ATEC2026 线上赛·赛道1 机器人徒步复现与冲榜教程|atec|冲榜|机器人|真实世界|赛·赛

ATEC2026人工智能与机器人真实世界极限挑战赛由ATEC前沿科技探索社区联合香港中文大学、上海创智学院共同主办，清华大学、北京大学、复旦大学、香港科技大学、蚂蚁集团等多家单位共同组织。

赛事以“AI and Robotics Real-World Extreme Challenge-人工智能与机器人真实世界极限挑战”为主题，面向全球高校、科研机构、科技企业及极客团队开放报名，聚焦具身智能在真实世界中的系统级能力验证。核心目标是检验带臂的足式机器人在真实、不可预测的户外环境中，能否像在实验室里一样稳定、连续地完成复杂任务。

文章面向希望复现 ATEC2026 线上赛·赛道1「机器人徒步（Locomotion）」的小伙伴。我们会从报名、下载官方代码、搭建 Isaac Sim / Isaac Lab 环境、跑通官方 baseline、完成线上提交讲起。

我们记录真实的本地冲榜实验完整复盘出来：

为什么官方 baseline 能提交并拿到有效分数？

为什么中间 checkpoint 可以把分数从 2.35 提到 5 分左右？

中途本地评估为什么比盲目长训更重要？

感谢datawhale社区提供本次复现过程。

这场比赛在考什么

ATEC2026 开放两个赛道，通过线上仿真和线下真实场景共同验证具身智能系统的长期稳定性、真实环境适应能力和可复现性。

赛道1线上赛分为 L0 和 L1：

层级任务核心目标L0机器人徒步带臂足式机器人沿约 400 m 路线稳定行走，经过平地、粗糙地面、上下坡、上下楼梯L1 任务1垃圾拾取与投放在 20 m x 20 m 区域中完成目标识别、导航、抓取、运输和投放L1 任务2越障通过沟壑或高台，可利用箱子等物体改造环境获得加分

本文只聚焦 L0。原因很简单：L0 是最适合入门的入口。它不需要先解决视觉识别和抓取，只要大家能把 locomotion 控制、评测、提交链路跑通，就已经完成了具身智能比赛里最关键的一半工程闭环。

大赛官网：

ATEC 官网：https://www.atecup.com/competitions/100017
赛道详情页示例：https://www.atecup.com/matchHomeDetails/100017/1000210
官方 baseline 仓库：https://github.com/atecup/ATEC2026_Simulation_Challenge

报名时间：ATEC2026 报名从 2026 年 4 月 1 日开放，到 2026 年 6 月 15 日 22:00（UTC+8）截止；上赛时间为 2026 年 5 月 1 日 10:00 到 2026 年 6 月 30 日 22:00（UTC+8）。

如何报名和进入提交页

报名和提交都在 ATEC 官网完成。实际页面可能会随官方迭代略有变化，但整体流程大致如下：

打开 ATEC 官网并注册/登录账号。
进入 ATEC2026 比赛页。
点击报名或加入比赛，按页面要求填写赛队信息。
进入「个人主页 / 我的比赛 / 赛道详情」。
在赛道详情页中切换到「资源入口」下载 Demo、选手指南和更新公告。
在「提交入口」中选择任务，例如 L0 的「机器人徒步」。
选择机器人构型，上传源码压缩包或推送镜像。
等待平台构建、运行和打分，在「历史提交」中查看结果。

L0 提交入口里会要求选择机器人模型。我们本次实验使用的是B2Piper，也就是 Unitree B2 四足底盘加 Piper 机械臂。平台源码上传一般要求根目录包含：

requirements.txt

其中solution.py是比赛系统调用的入口；policy.pt可以是 TorchScript 导出的策略；requirements.txt可以为空。官方环境已经包含 PyTorch 等基础依赖，空 requirements 并不代表“没有依赖”，而是表示我们没有额外 pip 包需要安装。

算力选择：本地机器或租用算力自由平台L40系列显卡

ATEC 的 L0 baseline 依赖 Isaac Sim 5.1 和 Isaac Lab 2.3.x，建议有两种选择：

方案适合场景注意点本地工作站已有大显存 NVIDIA GPU，并且能安装 Isaac Sim / Isaac Lab环境安装和驱动匹配成本较高租用 GPU 云主机想快速复现、训练、看桌面仿真画面建议选择已经适配 Isaac Sim 的镜像

使用算力自由平台，建议优先选择带远程桌面、NVIDIA 驱动、Isaac Sim / Isaac Lab 环境的镜像。L40 是比较合适的起步卡：它显存足够跑中等规模并行环境，价格通常比 A100/H100 更适合教学实验。

推荐镜像链接：https://www.gpufree.cn/images/101314

策略建议：从 LeHome Challenge ICRA大赛教程中，说明"单卡 L40 能稳定起跑"，再给出 batch size、日志和 GPU 曲线，而不是承诺一定能冲榜。ATEC 这里同理：L40 能帮助大家快速跑通和训练，但能否拿高分取决于 reward、观测、课程和提交策略。

建议检查 GPU：

nvidia-smi

如果大家看到类似 L40、RTX 4090、A6000、RTX PRO 6000 等 NVIDIA GPU，并且显存充足，就可以继续。我们本地实验使用的是大显存 NVIDIA 工作站；如果换成 L40，建议先从较小并行环境数开始，例如

--num_envs 1024或2048，确认不 OOM 后再加到4096。

下载官方代码与机器人模型

官方仓库可以直接克隆：

cd "$PROJECT_ROOT"

如果从 GitHub 获取代码，需要额外下载机器人模型：

unzip atec_robot_model.zip -d atec_robot_model

如果大家从官网「资源入口」下载的是ATEC2026_Simulation_Challenge.zip，通常已经包含atec_robot_model，不需要再重复下载。

建议记录官方资源版本：

git rev-parse HEAD

比赛后期官方可能发布更新公告，例如机器人初始关节位置更新、Action Configuration 更新、日志说明、LiDAR 扫描范围更新等。大家每次提交前都要确认本地代码和官方资源入口一致，否则线上分数和本地分数可能对不上。

安装 Isaac Lab 扩展

在已经装好 Isaac Sim / Isaac Lab 的 Python 环境中安装官方扩展：

pip install -e .

回到项目根目录：

cd "$PROJECT_ROOT"

检查环境：

PY

如果使用 Isaac Sim 相关脚本，建议带上 EULA 环境变量：

export OMNI_KIT_ACCEPT_EULA=YES

跑通官方 L0 baseline

官方博客和 baseline 通常建议先跑 rough locomotion 训练：

  --headless

训练结束后，导出的策略一般在：

logs/rsl_rl/unitree_b2_rough/ /exported/policy.pt

本地播放：

  --task ATEC-Isaac-Velocity-Rough-Unitree-B2-v0

提交时，把导出的policy.pt放到demo或提交包根目录，并保证solution.py能加载它。

线上提交：能出分，但很低

我们先使用官方unitree_b2_flat/policy.pt做提交。这个权重和 demo 里的policy.pt完全一致，是一个45维观测输入、12维动作输出的 Unitree B2 flat locomotion actor。

本次线上有效提交：

项目数值机器人B2Piper分数2.35仿真用时00:03:18.40物理用时00:07:25.55线上排名位置中下游

这说明 baseline 可以完成源码上传、构建、运行和打分，但它离满分26差得很远。原因也很直观：flat policy 是在相对简单地形上训练出来的，直接放到 400 m 复杂组合地形中，会在第一段后卡住。

我们本地最好的 flat-policy 调参大致是：

ATEC_VEL_YAW=0.0

2.31分，和线上2.35接近，说明本地评估有一定参考价值。

为什么选择 B2Piper，而不是一开始就上轮足

L0 提交页支持多个构型，例如G1、Tron1Piper、Tron2ALegged、Tron2AWheel、B2Piper、B2wPiper。

我们的判断是：

构型优点风险B2Piper和官方 B2 flat actor 的 12 维腿部动作完全对齐，最容易迁移速度上限不如轮足B2wPiper理论速度更高，适合冲极限时间需要腿+轮动作一起训练，没有现成预训练Tron2AWheel轮足结构适合高速需要从头建立训练配置G1人形平台灵活L0 长距离稳定行走训练成本高

所以第一轮冲榜不应该直接换最激进构型，而是先用B2Piper建立可复现的训练和评测闭环。等 B2Piper 能稳定拿高分后，再考虑B2wPiper或Tron2AWheel冲时间。

真实的高速训练实验

我们尝试过一条看起来很合理、但最后证明有问题的路线：

使用官方unitree_b2_flat/policy.pt初始化 B2Piper actor。
新增高速 rough locomotion 任务。
把速度命令范围扩大到0.5 ~ 4.5 m/s。
用 4096 个并行环境做 PPO 长训。
每隔若干 checkpoint 导出策略，在 TaskA 本地评估。

训练命令等价于：

  --run_name fast_actorinit_4096x5000

这里的关键不是4096，而是ATEC_INIT_ACTOR_POLICY。我们给训练脚本加了一个 actor 初始化入口，使 B2Piper rough policy 不是完全随机起步，而是从官方 B2 flat actor 开始微调。

训练曲线

训练 reward 看起来是在持续上升：

从这张图看，很容易产生一种错觉：训练 reward 涨了，榜单分也会涨。但后面的本地评估证明，这个判断并不可靠。

速度误差和地形课程如下：

这里最值得注意的是Velocity error XY长期偏高。也就是说，策略虽然在训练环境里拿到更高 reward，但并没有稳定跟踪我们给出的高速命令。

本地 checkpoint 评估

我们把若干 checkpoint 导出到 TaskA 本地评估，结果如下：

关键结果：

checkpoint速度命令本地 TaskA 分数现象官方 flat / 线上约0.65``2.35可出分，但卡在前段model_100``0.65``0.0086几乎原地model_600``1.5``5.1265明显超过 baseline，跑到x≈-52``model_800``1.5``1.2543退化，快速摔倒model_3800``1.5``5.0660接近 model_600，但仍远低于满分

这说明训练后期 reward 继续涨，并不代表 TaskA 分数继续涨。model_600反而是目前最好的中间点。

这次阶段性提分说明了什么

这次实验不是“无效训练”：它把本地 TaskA 分数从 baseline 附近的2.35提到了5.12左右，已经超过了榜单上一部分队伍。真正的问题是，训练 reward 的上涨没有稳定转化成完整路线通过能力，所以它还不是可以冲满分的最终方案。

Reward 教会了“活着”，没有教会“走完路线”

训练中 episode length 接近满时长，reward 也在涨，说明策略学会了在训练地形里保持姿态。但 TaskA 需要的是沿指定路线持续向前，穿过多个真实评测地形段。

也就是说，训练环境奖励和比赛进度奖励没有对齐。

速度命令太激进，破坏了官方 prior

我们直接把命令范围拉到0.5 ~ 4.5 m/s。这对官方 flat actor 来说跨度太大，PPO 很容易把原本能走的 prior 训坏。model_600短暂变好，model_800又退化，就是一个典型信号。

更稳妥的方式应该是课程式增加速度，例如：

1.5 ~ 2.0 m/s

每一档都要通过 TaskA 本地评估门槛，再进入下一档。

actor 没有地形高度输入

当前 45 维 actor 观测主要包括：

base angular velocity
projected gravity
velocity command
joint position
joint velocity
previous action

critic 有 height scan，但 actor 没有。TaskA 包含坡、台阶、粗糙地面，actor 如果完全看不到地形，只能靠 proprioception 盲走。它在简单地形里可能可以维持步态，但遇到复杂组合地形就很容易卡住或横向漂移。

横向漂移没有被足够惩罚

model_3800在vx=1.5下跑到：

termination = illegal_contact

这说明策略不是沿路线直走，而是明显跑偏。训练里虽然有速度跟踪，但没有足够强的路线约束和横向偏移惩罚。

中途评估方式

比赛训练不要盲跑到最后。我们建议大家在训练脚本外加一个 checkpoint gate：

等待model_100.pt、model_300.pt、model_600.pt等 checkpoint。
用scripts/rsl_rl/play.py导出 TorchScriptpolicy.pt。
临时替换提交目录里的policy.pt。
跑ATEC-TaskA-B2Piper本地评估。
记录分数、耗时、终止原因、最大 x 位置。
恢复原始可提交 baseline policy。

评估时要注意两个坑：

TaskA 环境有相机，需要加--enable_cameras。
不要并发评估多个 checkpoint，否则多个进程同时替换demo/policy.pt，结果会被污染。

示例流程：

  "0.65 1.5"

建议把结果写成表格：

model_600, 1.5, 5.1265, 59.98s, -52.47, unfinished

进一步提高成绩

下一版不应该继续盲目拉长训练，而应该改训练目标。

建议优先级如下：

低速到高速课程
不要一开始就4.5 m/s。先让策略稳定超过 baseline，再逐步加速。
加入路线进度奖励
训练 reward 中加入更接近 TaskA 的x进度、通过关键地形段、到达阈值奖励。
抑制横向漂移
对|y|加强惩罚，或者在命令和 reward 中明确要求贴近中心路线。
actor 加地形观测
把 height scan 或低维地形编码加入 actor，而不是只给 critic。
按 checkpoint 选择模型
当前实验里model_600比model_3800更好。比赛里应按本地任务分选 checkpoint，而不是按训练迭代数选最后一个。
再考虑轮足分支
当 B2Piper 能稳定高分后，再开B2wPiper或Tron2AWheel分支冲时间