logo
avatarLog in
中文
Embodied Intelligence:Low-altitude intelligent RL flight control
Track status报名中
Registration closes at 2026-03-20

Track Introductionspecial-title-icon

当前,全球无人机产业正从工具自动化向自主智能化深度变革,飞行控制系统作为核心,从传统场景加速渗透低空经济、应急救援等领域,成为空天一体化智能发展的核心引擎。低空智能赛事是尖端智能控制理论与低空应用需求的关键纽带,不仅比拼无人机自主飞行性能,更严苛检验系统在复杂工况下的任务完成能力与安全性,契合市场对高智能、高可靠无人机平台的需求。赛事聚焦的导航、感知、决策等核心问题,直指产业技术瓶颈,是破解空域运行安全难题、降本拓界的关键突破口,其设立根植于技术创新、政策赋能、场景爆发的产业生态。

面向对象

全国高等学校(本科类和高职高专类院校)具有正式学籍的全日制在校学 生(含 2026 年应届毕业生,本专科、研究生不限)可以组队参赛。
● 上述高校毕业不超过 5 年(2021 年后毕业)的毕业生可组队参赛。
● 参赛队员允许跨校组队。
● 每参赛团队仅限选一竞赛类别参赛,每位队员限参加一支团队,禁止不同参赛团队之间共用队员。
● 每参赛团队队员上限为5人,指导老师上限为2人。
● 参赛选手的专业范围和所属学院不限。建议参赛团队选择能力互补、专业背景多样化的选手组队。

Schedulespecial-title-icon

Preliminaries
March to April.2026
The challenge evaluates the teams' fundamental AI development skills: basic reinforcement learning algorithms and the design of environmental rewards.
Drone Logistics Delivery Path Planning Task
Number of Agents1
EvaluationEnvironment Score Evaluation
Computational ResourcesLocal computation (prepared by the participant)

赛题简介:在本赛题中,参赛团队需要通过算法训练模型驱动智能体,让其在对地图不断的探索中学习移动策略,合理利用仓库与充电桩进行充电,在限定的时间内躲避官方无人机并尽可能多的配送包裹。 地图中包含小悟无人机、官方无人机、小悟无人机出生点、官方无人机出生点、仓库、企鹅驿站、包裹、充电桩、道路、障碍物。智能体有局部视野,可以在地图中移动,完成包裹配送可获得奖励。(报名成功后,平台内配套的开发指南有详细介绍)

赛题目标:参赛团队需要在指定的时间内,本地训练并提交一个模型,并在考核地图中控制智能体用尽可能少的时间获得尽可能多的积分,完成包裹配送任务。

.jpeg

排名规则:

区域赛成绩由腾讯开悟比赛平台系统自动运行得出客观测评成绩

任务得分 = 配送得分

配送得分 = 配送包裹数 * 100

配送包裹数为智能体配送至企鹅驿站的包裹数量。

在赛程提交阶段结束后,系统将以参赛团队提交的最新模型自动运行挑战,并按照各团队得分高低排名,该排名榜单即本赛段最终成绩。

Semi-finals
April to June.2026
This challenge primarily tests the foundational algorithms of reinforcement learning and the stability of Autonomous Flght motion control algorithms.
UAV Autonomous Flight Control in Simulation
EvaluationEnvironment Score Evaluation
Computational ResourcesLocal computation (prepared by the participant)

赛题简介:在本赛题中,参赛选手在仿真平台通过强化学习训练、优化飞行控制算法并提交一个模型,在虚拟环境中无人机能通过复杂的飞行场景,到达赛道终点。并根据成功次数、速度、稳定性等指标综合评定无人机的飞行控制能力。(晋级区域决赛后,平台内配套的开发指南有详细介绍)

赛题目标:参赛团队需要在指定的时间内,训练并提交一个模型,并在指定虚拟环境中控制无人机用尽可能少的时间完成任务。重复运行训练成果,记录无人机完成任务的次数,并根据成功次数、最快通关速度、稳定性等指标综合评定无人机的路径规划及运动控制能力,综合评分后进行排名。
4973abeaa65c950de817d3d3361b803f_origin.jpg

排名规则:
区域决赛成绩由两部分组成,线上测评成绩与线下答辩成绩

线上测评成绩(70%):在本赛程比赛测评模型提交阶段结束后,系统将以参赛团队提交的最新模型自动运行多轮虚拟环境赛道挑战测评任务。并根据成功次数、速度、稳定性等指标综合评定无人机飞行控制能力得到多轮任务评分并取平均值求出最终得分。

线下答辩成绩(30%)

各区域按线上成绩排名,然后区域决赛团队将需要进行线下答辩环节,最终综合线上客观测评成绩与线下答辩成绩评出全国总决赛晋级名额

Finals
June to August.2026
This competition task mainly examines basic reinforcement learning algorithms, motion control algorithm optimization, and algorithm deployment.
Autonomous Flight Control Task for UAVs in a Real-World Environment
EvaluationComprehensive Scoring
Cluster arithmetic (provided by the platform)Local computation (prepared by the participant)

赛题简介:在本赛题中,需要参赛团队通过强化学习训练无人机的飞行控制算法并部署一个模型在指定无人机上,并在真实赛道中,使无人机能通过复杂的赛道,到达终点。并根据速度、稳定性等指标综合评定无人机飞行控制能力。(晋级全国决赛后,平台内配套的开发指南有详细介绍)

赛题目标:参赛团队需要在在指定的时间内及给定的算力资源下训练模型,让其在对5v5地图不断的探索中学习最优取胜策略。
1770272488992_rembg.png

排名规则:
全国决赛成绩由三部分组成,线上测评成绩、真实赛道挑战与技术报告成绩,最终评出全国一等奖、二等奖及三等奖

线上测评成绩(20%)
在本赛程比赛测评模型提交阶段结束后,系统将以参赛团队提交的最新模型自动运行多轮虚拟环境赛道挑战测评任务。并根据成功次数、速度、稳定性等指标综合评定四足机器人的自主寻路与运动控制能力得到多轮任务评分并取平均值求出最终得分。

真实赛道挑战(70%)
参赛团队通过强化学习训练四足机器人的自主寻路及运动控制策略,并将模型部署至宇树四足机器人go2,完成真实环境赛道挑战的路径规划与动态避障,并根据完成情况、速度、稳定性等指标综合评定得出最终成绩。

技术报告成绩(10%)
开赛后将在平台内同步《人工智能算法类答辩与技术报告评分标准》

Recommendationsspecial-title-icon

It is advised that each team possess at least one computer adhering to the recommended specifications below to establish the local environment for development and training.

Operation systemWindows10/11
CPUIntel 9th Generation Core i5 and above
Memory16GB