روبوتات في المتاهة - 9/10

السياق

يتم اختبار عدة أنواع من الروبوتات في مركز أبحاث للأنظمة المستقلة. تم استخدام أنواع مختلفة من الساحات لهذه التجارب، ويتبع كل روبوت استراتيجية استكشاف معينة. خلال كل تجربة، يتم تجهيز الروبوت بمجموعة من أجهزة الاستشعار وأنظمة المراقبة التي تجمع معلومات حول نشاطه. تصف البيانات المسجلة جوانب مختلفة من سلوك الروبوت والبيئة التي يعمل فيها.
يمكن أن تشمل هذه القيم عددية (على سبيل المثال، متوسط السرعة، المسافة المقطوعة، عدد الاصطدامات أو الأشياء التي تم جمعها)، ولكن أيضًا معلومات فئوية أو وصفية (مثل نوع الساحة أو الظروف البيئية). من خلال تحليل هذه البيانات، يمكن ملاحظة أنماط في كيفية تحرك الروبوتات، أو استكشاف المساحة، أو جمع الأشياء، أو التفاعل مع العقبات.

تحليل هذه البيانات مهم لـ:

• تحديد الاستراتيجية التي يتبعها الروبوت بناءً على السلوك الملحوظ؛
• فهم السمات التي تميز الاستراتيجيات عن بعضها البعض؛
• بناء نماذج قادرة على التعرف تلقائيًا على أنماط الاستكشاف.

لحل هذه المشكلة، سيكون لديك ملفان متاحان:

• train.csv – يحتوي على أمثلة مصنفة، تُستخدم للتحليل وتدريب النماذج؛
• test.csv – يحتوي على نفس المتغيرات، بدون عمود strategy_label، ويُستخدم لتوليد التوقعات.

استراتيجيات الروبوتات

يتم استخدام أربعة أنواع من الاستراتيجيات في التجارب:

• explorer – روبوت يحاول زيارة أكبر عدد ممكن من المناطق المختلفة؛
• collector – روبوت يركز على جمع الأشياء؛
• guardian – روبوت يقوم بالدورية ويعود بشكل متكرر إلى نفس المناطق؛
• sprinter – روبوت يتحرك بسرعة، مع التركيز على السرعة والتغطية في وقت قصير.

وصف مجموعة البيانات

كل سطر في ملفي train.csv و test.csv يتوافق مع تجربة واحدة.

تحتوي مجموعة البيانات على أعمدة تصف جوانب مختلفة من سلوك الروبوت. أمثلة على هذه الخصائص هي:

المتطلبات

المهمة 1 - عدد أنواع الساحات (15 نقطة)

باستخدام البيانات من ملف train.csv، حدد عدد القيم الفريدة التي تظهر في عمود arena_type.

المهمة 2 - أقصى سرعة ملحوظة (15 نقطة)

باستخدام البيانات من ملف train.csv، حدد القيمة القصوى في عمود avg_speed_mps.

المهمة 3 - الساحة الأكثر استخدامًا (10 نقاط)

بناءً على البيانات من ملف train.csv، حدد نوع الساحة الذي يظهر بشكل متكرر في عمود arena_type.

المهمة 4 - أقصى أداء للجمع (10 نقاط)

بناءً على البيانات من ملف train.csv، حدد القيمة القصوى لعمود items_collected.

المهمة 5 – تحديد استراتيجية الروبوت (50 نقطة)

قم ببناء نموذج يحدد استراتيجية الروبوت لكل تجربة في test.csv.

القيم الممكنة هي:

1explorer2collector3guardian4sprinter

تنسيق ملف التسليم

يجب أن يكون ملف التسليم بتنسيق csv ويحتوي على الأعمدة التالية:

القيم الممكنة لـ subtaskID هي:

بالنسبة لـ المهمة 1 – المهمة 4، النتيجة هي قيمة محسوبة بشكل عام بناءً على البيانات في train.csv.
في ملف التسليم، يجب إرسال هذه القيمة مرة واحدة فقط، باستخدام القيمة الخاصة GLOBAL لـ robot_id.

بالنسبة لـ المهمة 5، يجب الإبلاغ عن الاستراتيجية المتوقعة لكل روبوت في test.csv.

القيم الممكنة هي:

1explorer2collector3guardian4sprinter

مثال لملف submission.csv

1robot_id,subtaskID,answer2GLOBAL,1,103GLOBAL,2,4.314GLOBAL,3,forest5GLOBAL,4,76TR_1000,5,explorer7TR_1001,5,guardian8TR_1002,5,collector

التقييم

إجمالي النقاط هو 100 نقطة.

المهمة 1 – المهمة 4 (50 نقطة)

بالنسبة للمهام الأربع الأولى، يتم تحديد الإجابات حصريًا بناءً على البيانات في train.csv.

يتم التقييم من خلال المقارنة الدقيقة (المساواة) بين القيمة المرسلة في ملف التسليم والقيمة الصحيحة المحسوبة من train.csv.

المهمة 5 – تحديد استراتيجية الروبوت (50 نقطة)

لهذه المهمة، يتم تقييم صحة الاستراتيجيات المتوقعة للروبوتات في test.csv.

يتم استخدام مقياس Macro-F1، الذي يحسب درجة F1 لكل فئة ثم يأخذ متوسط هذه القيم.

لفئة c:

درجة Macro-F1 النهائية هي متوسط درجات F1 لجميع الفئات:

حيث K هو عدد الفئات. في هذه المشكلة، K = 4.

النقاط الممنوحة للمهمة 5 هي:

1score = 50 x MacroF1 (إذا كان MacroF1 < 0.93)2score = 50 (إذا كان MacroF1 >= 0.93)

⬇ تحميل Starter Kit