Призовой фонд — 360 000 рублей.
Заявки принимаются до 29 ноября от команд из 2—5 человек. В течение 48 часов участникам предстоит разработать прототип продукта по одному из выбранных направлений. К разработке подключаются менторы и эксперты из компаний-заказчиков. После этого команды презентуют свои решения экспертному жюри.
Два трека от партнёров АО НПО «Андроидная Техника» и АО «НИИАС» (ОАО «РЖД»).
Победители каждого направления за 1 место получат 100 000 рублей, за 2 место — 50 000 рублей, за 3 место — 30 000 рублей.
Сайт хакатона: http://hack.innopolis.university
Треки хакатона
Задача от партнёра АО НПО «Андроидная Техника»
Антропоморфная робототехника
Захват и перемещение предмета роботом в среде симулятора.
Задача состоит в выполнении робототехническим комплексом Федор действий в среде симулятора на станции МКС. Изображение, полученное с камер физического образца робототехнического комплекса, необходимо получить по протоколу mjpeg, обработать и передать управляющее воздействие на робота по протоколу управления.
Оператору доступно управление двигателями, отвечающими за движение модулей манипуляторных, головного и корпусного. Управление двигателями возможно по положению или по моменту. Модули педипуляторные зафиксированы и не поддаются управлению. Для выполнения задачи необходимо совершить манипуляторными модулями робототехнического комплекса перемещение заданного предмета, находящегося в области видимости камер головного модуля, в указанную зону пространства.
В ходе выполнения задачи требуется выполнить захват и перемещение предмета в нескольких локациях. Участники могут обладать совершенно различными навыками, предпочтительно знание основных фреймворков глубокого обучения, опыт работы с задачами компьютерного зрения и обучения с подкреплением.
Задача от партнёра АО «НИИАС» (ОАО «РЖД»)
Автономный транспорт
Определение рельсовой колеи методами глубокого обучения.
Целью является разработка технологии автоматизированного управления железнодорожным составом без участия машиниста. Одной из ключевых задач для достижения данной цели является задача поиска рельсовой колеи с помощью данных, предоставляемых камерами машинного зрения.
Задача семантической сегментации довольно популярная и не обошла стороной наш проект. Именно поиск пути следования поезда в дальнейшем позволяет выделить зоны интереса для детекции объектов инфраструктуры.
Участникам предоставляется датасет, представляющий собой более 4000 размеченных вручную изображений железнодорожной колеи Московского Центрального Кольца, полученных с помощью фронтальной камеры, установленной на фронтальной части локомотива. В качестве аннотаций используются бинарные маски изображений.
Для оценки качества алгоритмов рекомендуем использовать метрику, признанную в мировом сообществе при решении задач семантической сегментации — IoU. Участники могут обладать совершенно различными навыками, предпочтительно знание основных фреймворков глубокого обучения, опыт работы с задачами компьютерного зрения.