docs/ATEC2026_TaskE_规则物理配置与提交说明_20260604.md

# ATEC2026 L0 Task E：规则、物理配置与当前抓取问题说明

更新时间：2026-06-04  
工作目录：`/home/ubuntu/Documents/01Proj/13atec/ATEC2026_Simulation_Challenge`

## 1. 结论先行

1. 当前我们调试的确实是 ATEC2026 官方仿真包里的 `ATEC-TaskE-Piper` 桌面抓取任务，不是 L1 足式/轮腿任务，也不是自定义机械臂任务。
2. 本地物理配置基本来自官方仓库：Isaac Lab v2.3.2、AgileX Piper、三种 YCB 风格物体、桌面、篮筐、固定 RGB-D 观测与 end-effector RGB-D 观测。Piper/物体/地面摩擦和 solver 参数在源码中可查。
3. “夹住后滑落”不是一个可以简单甩给 Isaac Sim 的单点 bug。更准确地说：官方物理配置对二指夹爪的摩擦夹持比较敏感，而我们当前 GraspGen-style/PCA submit-side primitive 对香蕉这类非凸弯曲物体仍在依赖摩擦保持；一旦 finger-center、闭合高度、夹爪开度、运输高度或速度有偏差，就会出现短暂抬起后滑落。
4. 不能通过修改比赛评测环境物理参数来提交。提高 solver iteration、摩擦、接触参数可以作为本地诊断，但最终提交必须在官方 judge 环境下靠 `demo/solution.py` 的观测与动作输出成功。
5. 当前最强可部署基线仍是 `demo/solution.py` 中的 ACT/XSA 方案；`demo/solution_pca.py` 是实验分支，不应覆盖部署，除非三物体多 seed 连续评估明显超过 ACT/XSA。

## 2. 已下载/整理的官方资料

本次已下载官方 GitHub README 快照：

- 本地快照：`docs/sources/ATEC2026_Simulation_Challenge_official_readme_20260604.md`
- 官方源链接：<https://github.com/atecup/ATEC2026_Simulation_Challenge>
- 官方 raw README：<https://raw.githubusercontent.com/atecup/ATEC2026_Simulation_Challenge/main/readme.md>

2026-06-04 进一步做了官方 fresh clone 对照，临时目录：

- `/tmp/ATEC2026_Simulation_Challenge_official_check`
- 官方 HEAD：`dbe7c251f680b02f357a6db67430b18d3ba45ea1`
- 最新提交：`dbe7c25 2026-06-04 10:10:16 +0800 Merge pull request #8 from atecup/fix/tron2a_joint_configuration`

对照结论：

- 与 Task E 抓取物理强相关的文件，本地与官方最新版 SHA 完全一致：
  - `source/atec_rl_lab/atec_rl_lab/assets/robots/piper.py`
  - `source/atec_rl_lab/atec_rl_lab/assets/objects/task_b/object.py`
  - `source/atec_rl_lab/atec_rl_lab/tasks/task_e/terrain.py`
  - `source/atec_rl_lab/atec_rl_lab/tasks/task_e/mdp/rewards.py`
  - `source/atec_rl_lab/atec_rl_lab/tasks/task_e/mdp/terminations.py`
- `source/atec_rl_lab/atec_rl_lab/tasks/task_e/env_cfg.py` 只有 action group 字段名差异：官方最新版使用 `joint_leg` / `joint_wheel` / `joint_arm`，本地使用 `joint_pos_leg` / `joint_vel_wheel` / `joint_pos_arm`；Task E 物体、篮筐、相机、随机 Y-band、reward/termination 和 physics material 逻辑一致。
- `source/atec_rl_lab/atec_rl_lab/tasks/task_base/envs_base_cfg.py` 有两类差异：action group 字段名差异，以及 base reset joint randomization 从官方 `(1.0, 1.0)` 到本地 `(0.5, 1.5)`；Task E Piper 在 `TaskEEnvPiperCfg` 中关闭了相关 reset events，因此这不是香蕉滑落的原因。
- `demo/server.py` 官方最新版新增 `/get_action_spec` 接口；本地 server 还没有这个接口。这个只影响选手是否能在提交服务里自定义 action mode/scale/clip，不改变官方仿真物理。
- `demo/Dockerfile` 本地改成 ACT/XSA 提交模板，官方默认仍是 `solution_zero.py` 示例。这是我们自己的提交镜像选择，不是物理环境差异。

同日再次核对官方更新与 issue/PR：

- `git fetch origin` 后，`origin/main` 仍是 `dbe7c251f680b02f357a6db67430b18d3ba45ea1`，没有比 2026-06-04 10:10:16 更新的 commit。
- GitHub issues/PR 网页搜索未发现公开 issue 提到 Task E / Piper / grasp / physics / friction / banana 滑落问题。
- `Piper` 搜索命中的是 PR #2：eye-in-hand camera configuration for B2Piper/B2WPiper/G1，不是 Task E 固定 Piper，也不是夹爪滑落。
- PR #5 是 participant action spec；PR #8 是 Tron2A joint configuration reset bug，和 Task E 抓取物理无关。
- 已同步唯一低风险兼容修复：在本地 `demo/server.py` 加入官方 `/get_action_spec` endpoint。若 solution 不实现该方法，返回 `{}`，即沿用默认 action 配置。

本地 `readme.md` 与官方 raw README 有少量差异：官方新版 README 增加了 `AlgSolution.get_action_spec()` 可选接口说明；本地文件仍可用于当前代码运行，但提交前应留意官方是否启用了该新接口。

另外，用户此前提供的赛事说明包含：

- L0 Task E：桌面随机摆放三种不同类型物体，桌面级机械臂完成识别、抓取、放置到指定区域。
- 核心流程：识别、规划、抓取、放置。
- 代码审查：最高分镜像对应代码需要可复现、合规；技术报告需说明实现思路、代码组织结构、执行流程，使用开源模型需提供下载链接，额外训练模型需提供训练代码和数据来源。
- 预测阶段只能使用上传镜像中的代码和模型，禁止利用测试集挖掘或外部信息。

## 3. 官方仓库对 Task E 的关键要求

官方 README 明确该仓库提供仿真资产、任务定义和提交脚本，环境基于 Isaac Lab；Task E 在环境矩阵中对应 `ATEC-TaskE-Piper`。参考：

- `readme.md` / 官方 README：Task E 使用 `ATEC-TaskE-Piper`。
- `readme.md`：仓库开发/测试版本为 Isaac Lab v2.3.2。
- `readme.md`：参赛者必须实现 `demo/solution.py`，类名为 `AlgSolution`，核心函数为 `predicts(obs, current_score)`，返回 `{"action": action, "giveup": False}`。

本地 Dockerfile 当前提交布局：

- `demo/Dockerfile` 将 `solution_act.py` 复制为镜像内 `solution.py`，并带上 `policy_act.pt`。
- 这说明当前默认提交镜像仍是 ACT/XSA 路线，不是 PCA/AnyGrasp 路线。
- 若以后要切换到 GraspGen-style/PCA，必须先改 Dockerfile 复制目标，并完成多 seed 稳定评估。

## 4. Task E 本地评分逻辑

源码位置：`source/atec_rl_lab/atec_rl_lab/tasks/task_e/env_cfg.py` 与 `source/atec_rl_lab/atec_rl_lab/tasks/task_e/mdp/rewards.py`。

本地 Task E 有两类奖励：

1. `grasped_objects_once`：物体被末端执行器接近并抬高到桌面上方一定高度，单物体一次性奖励约 3 分。
2. `objects_in_basket`：物体进入篮筐成功区域，单物体一次性奖励约 3 分。

因此三物体理论满分通常对应：

- 3 个物体各自“被抓起/抬起”一次：约 9 分。
- 3 个物体最终入篮：约 9 分。
- 合计约 18 分。

篮筐成功区域在源码中定义为：

- 成功中心：`BASKET_SUCCESS_CENTER = (1.08, -0.30, TABLE_TOP_Z + 0.15)`
- XY 半宽：`half_x = 0.20`，`half_y = 0.11`
- Z 范围：`TABLE_TOP_Z <= object_z <= TABLE_TOP_Z + 0.15`

这解释了一个重要现象：视频里看起来“抓到过”只能拿到抓取/抬升分；真正冲榜需要三个物体都稳定落在篮筐成功区域内。

## 5. 官方/本地物理配置证据

### 5.1 Piper 机械臂配置

源码：`source/atec_rl_lab/atec_rl_lab/assets/robots/piper.py`

关键参数：

- 机器人资产：`robot/piper/piper.usd`
- 关节：`joint1` 到 `joint8`，其中 `joint7/joint8` 是两指夹爪。
- 接触传感器：`activate_contact_sensors=True`
- 关节隐式执行器：`effort_limit=100.0`、`velocity_limit=100.0`、`stiffness=800.0`、`damping=80.0`
- articulation solver：`solver_position_iteration_count=4`、`solver_velocity_iteration_count=0`

源码：`source/atec_rl_lab/atec_rl_lab/tasks/task_e/env_cfg.py`

Task E Piper 初始状态：

- 机械臂固定在桌子右侧：`pos=(TABLE_CENTER_X + TABLE_HALF_X, TABLE_CENTER_Y, TABLE_TOP_Z)`
- Task E 中 `piper_cfg.spawn.rigid_props.disable_gravity = True`
- 夹爪初始张开：`joint7=0.035`、`joint8=-0.035`

这里的 solver iteration 偏低，尤其 `velocity_iteration_count=0` 对接触稳定性不算友好。它不是我们抓取代码改出来的，而是仓库里的 Piper 默认配置。

### 5.2 三个物体配置

源码：`source/atec_rl_lab/atec_rl_lab/assets/objects/task_b/object.py`

三种物体：

- `object_1`：`004_sugar_box.usd`
- `object_2`：`006_mustard_bottle.usd`
- `object_3`：`011_banana.usd`

共同物理参数：

- `rigid_body_enabled=True`
- `kinematic_enabled=False`
- `linear_damping=2.0`
- `angular_damping=4.0`
- `max_depenetration_velocity=0.5`
- `mass=0.5`
- `contact_offset=0.01`
- `rest_offset=0.0`

质量统一 0.5kg 对小香蕉/小盒子来说偏重，会放大二指夹爪靠摩擦夹持时的难度。

### 5.3 地面/桌面物理材料

源码：`source/atec_rl_lab/atec_rl_lab/tasks/task_e/terrain.py`

Task E terrain 物理材料：

- `friction_combine_mode="multiply"`
- `restitution_combine_mode="multiply"`
- `static_friction=1.0`
- `dynamic_friction=1.0`
- `restitution=0.0`

源码：`source/atec_rl_lab/atec_rl_lab/tasks/task_e/env_cfg.py`

Task E 在 `__post_init__()` 中执行：

- `self.scene.terrain = TASK_E_TERRAIN_CFG`
- `self.sim.physics_material = self.scene.terrain.physics_material`
- `self.events.physics_material = None`

这说明 Task E 关闭了默认的 physics material 随机化，使用固定物理材料。对提交而言，这是好事：不是每次都随机摩擦；但对香蕉这种接触几何，固定摩擦也不保证稳抓。

### 5.4 物体随机摆放

源码：`source/atec_rl_lab/atec_rl_lab/tasks/task_e/env_cfg.py`

三个物体在桌面不同 Y-band 中随机：

- `object_1`：`Y in [0.25, 0.29]`
- `object_2`：`Y in [0.14, 0.20]`
- `object_3`：`Y in [0.03, 0.09]`
- `X in [0.90, 1.10]`

这与我们后续做 RGB-D band mask、按物体区域分割是一致的；但最终提交不能读 object root，只能从观测估计位置。

## 6. 为什么香蕉会“夹住又滑落”

当前最合理判断不是“完全没有抓取模型”，也不是“Isaac Sim 完全坏了”，而是以下几个因素叠加：

1. 香蕉是弯曲、非凸、局部接触很窄的物体，Piper 二指夹爪如果只夹在局部曲面上，很容易形成滚动/滑动接触。
2. 当前物体质量统一 0.5kg，香蕉被设置得和盒子一样重，这对 friction-only pinch 很不友好。
3. Piper solver 参数 `position=4, velocity=0` 对稳定接触不是很强；NVIDIA/Isaac Sim 文档和论坛中也常见“二指夹爪夹物体滑落、需要调接触/solver/摩擦或控制方式”的讨论。
4. 我们 submit-style PCA 控制器只能用 RGB-D 和 proprio，不读真实 object root；从单视角点云估计出的 grasp center/yaw/闭合高度稍有偏差，就可能出现“看起来夹得很深，但实际 finger contact normal 不足”的情况。
5. 旧 runner/采集器有时成功，是因为它能更接近官方 scripted primitive：使用更准确的物体状态/动态 servo/真实 finger-center trace。这个能力迁移到 `demo/solution_pca.py` 的 observation-only 控制时会损失。

一句话：这不是“夹爪力不够”这么简单，而是接触几何、闭合高度、夹爪开度、运输阶段轨迹和官方 PhysX 接触参数共同作用。

## 7. 能不能改物理配置

### 可以做的

可以做本地诊断：

- 临时提高 Piper articulation solver iteration，例如 position 从 4 提到 16、velocity 从 0 提到 4。
- 临时提高物体/夹爪摩擦、检查 contact offset/rest offset。
- 用这些实验判断“滑落是否主要来自 PhysX 接触求解敏感性”。

### 不建议作为提交依赖

最终提交不应依赖修改官方评测物理：

- 代码审查要求最高分镜像在组委会给定环境上可复现。
- 如果我们靠本地改物理才能稳，线上 judge 不一定会加载这些修改。
- 合规路线应是：在官方物理配置下，通过更稳的运动 primitive、低位搬运、under-scoop、慢速稳定、篮筐中心上方再释放等方式完成任务。

## 8. 当前方案状态

### 8.1 ACT/XSA

当前默认可部署基线仍是 ACT/XSA：

- Dockerfile 当前复制 `solution_act.py` 为提交 `solution.py`。
- 历史评估中 XSA final 曾在 seeds 11/12/13 得到过高分，但也出现过非确定性波动。
- 这是当前最成熟的镜像路线，但还不能说稳定满分。

### 8.2 pi0.5

pi0.5 已试过 20-demo 和 100-demo 分支，当前效果差：

- 20-demo 快速分支 seeds 11/12/13 均为 0。
- 100-demo 分支 seeds 11/12/13 约为 `0/0/6`，均值约 2。
- 主要问题更像适配层/数据表示不对，而不是 pi0.5 模型本身弱。

### 8.3 AnyGrasp

AnyGrasp SDK 已接入并可推理，但有 license/不可分发限制：

- 作为本地 candidate generator 很有价值。
- 但如果最终提交镜像包含不可分发 SDK 或权重，代码审查风险很高。
- 可借鉴它的 grasp candidate 思路，但最终最好落成可复现、可分发的几何/PCA/GraspNet-style 方法，或在技术报告中完整说明合法来源和许可。

### 8.4 GraspGen-style PCA/AABB

这是用户要求重点冲刺的真正规划抓取路线：

- `object_1` 在 `demo/solution_pca.py` 中已有 seed11/12/13 单物体成功证据。
- `object_2` 在 runner 中有单物体成功证据，但 submit-style 还没有完成稳定迁移。
- `object_3` 当前已能在部分场景短暂强抬，但 mid/transport/release 阶段仍会滑落，尚未达到可提交稳定性。

不能宣称 PCA/AABB 已经满分。它是正确方向之一，但还需要把香蕉运输保持问题和 object_2 submit-side 对齐彻底解决。

## 9. 推荐的后续技术路线

1. 不要再回退到“只训练 ACT/pi0.5”等黑盒路线；继续保留 ACT/XSA 作为提交底线，同时推进 GraspGen-style/PCA 作为冲榜路线。
2. 对 object_3 做两个分支：
   - 本地物理增强诊断：提高 solver iteration 看是否立刻不滑，以确认接触求解敏感性。
   - 官方物理可提交修复：低位转移、under-scoop、缩短高空纯竖直 lift、抓住后沿篮筐方向慢速保持接触移动、篮筐中心高于边缘处稳定后再开爪。
3. 对 object_2 单独迁移 runner 成功参数，不要套 object_1/object_3 的补偿。
4. 所有成功证据必须按多 seed 记录：至少 seeds 11/12/13，最好再加 21/22/23。
5. 最终切换 Dockerfile 前，必须满足：
   - 三物体同一 episode 得分稳定接近或等于 18。
   - 有视频证据。
   - 不读取 env root/object state。
   - 不依赖 AnyGrasp SDK 不可分发权重，或已完成合规说明。
   - 技术报告中能解释模型/算法/开源链接/训练或无训练流程。

## 10. 参考链接

- ATEC2026 Simulation Challenge 官方仓库：<https://github.com/atecup/ATEC2026_Simulation_Challenge>
- 官方 README raw 快照源：<https://raw.githubusercontent.com/atecup/ATEC2026_Simulation_Challenge/main/readme.md>
- Isaac Lab pip installation 文档：<https://isaac-sim.github.io/IsaacLab/main/source/setup/installation/pip_installation.html>
- Isaac Sim Physics Simulation Fundamentals：<https://docs.isaacsim.omniverse.nvidia.com/latest/physics/simulation_fundamentals.html>
- NVIDIA 论坛，Object Gripping and picking：<https://forums.developer.nvidia.com/t/object-gripping-and-picking/291963>
- NVIDIA 论坛，Stable grasping in Isaac Sim：<https://forums.developer.nvidia.com/t/stable-grasping-in-isaac-sim/354866>

## 11. 给团队的交接提醒

1. 不要把 `demo/solution_pca.py` 直接当最终提交；它是实验控制器。
2. 不要把 AnyGrasp SDK 直接塞进最终镜像，除非许可证/技术报告/复现检查全部确认无风险。
3. 不要修改官方物理参数后宣称线上可复现；改物理只能用于定位问题。
4. 真正要冲榜，必须把“观测估计中心 -> finger-center 控制 -> 闭合 -> 低位运输 -> 篮筐中心上方稳定释放”串成同一条稳定轨迹。
5. 当前最该解决的是 object_3 香蕉运输阶段滑落，而不是重新换大模型。