新手分
55/100
适合中国在校学生组成的团队，尤其是已有 PaddlePaddle 目标检测与 Python 模型部署经验的人。若目标是进入线下赛，团队还需要能在宇树 Go2 Edu 与 X01 板卡上做室内机器人定位、视觉推理和网络通信集成；指导教师须为所在学校专职教师。
官方提供了可以直接运行的基线，从它开始通常比从零搭快得多。
Public test dataset of VR environment video-frame images
如果下面这些前置项还很陌生，先补准备通常比直接参赛更划算。
PaddlePaddle目标检测
Paddle Inference静态图导出
Python推理脚本
JSON结果文件生成
实时视觉模型优化
室内机器人定位（Aruco或SLAM）
真正的难点通常不是“会不会调包”，而是验证、时间分配和任务理解。
难点不只是识别火焰，而是在受限的 PaddlePaddle 静态图部署格式、模型大小和实时推理要求下，稳定检测每张图面积最大的一处火焰；未达到速度门槛会直接失分。进入线下赛后，还要自行搭建向 X01 板卡发送位姿信息的室内全局定位系统，并应对备赛地图与真实地图可能不同的问题。
以下竞赛与当前竞赛方向或难度相近，可以一起对比。
把已确认、待核对和人工审核状态分开看；最终规则与截止时间以官方页为准，发现错误欢迎提交纠错。
官方 metric 还没有从当前抓取结果中确认，仍需人工核对。