Роботи в лабиринт - 9/10

Контекст

В изследователски център за автономни системи се тестват няколко типа роботи. За тези експерименти са използвани различни видове арени, като всеки робот следва определена стратегия за изследване. По време на всеки експеримент роботът е оборудван със набор от сензори и системи за мониторинг, които събират информация за неговата дейност. Записаните данни описват различни аспекти от поведението на робота и средата, в която той оперира.
Те могат да включват числови стойности (например средна скорост, изминато разстояние, брой сблъсъци или събрани обекти), но също и категориална или описателна информация (като тип на арената или условия на околната среда). Чрез анализа на тези данни могат да се наблюдават модели в начина, по който роботите се движат, изследват пространството, събират обекти или реагират на препятствия.

Анализът на тези данни е важен за:

• идентифициране на стратегията, следвана от робот, въз основа на наблюдаваното поведение;
• разбиране на чертите, които разграничават стратегиите една от друга;
• изграждане на модели, способни автоматично да разпознават моделите на изследване.

За решаването на този проблем ще имате на разположение два файла:

• train.csv – съдържа етикетирани примери, използвани за анализ и обучение на моделите;
• test.csv – съдържа същите променливи, без колоната strategy_label, и се използва за генериране на прогнози.

Стратегии на роботите

В експериментите се използват четири типа стратегии:

• explorer – робот, който се опитва да посети възможно най-много различни зони;
• collector – робот, който се стреми да събира обекти;
• guardian – робот, който патрулира и често се връща в едни и същи региони;
• sprinter – робот, който се движи бързо, с акцент върху скоростта и покритието за кратко време.

Описание на набора от данни

Всеки ред във файловете train.csv и test.csv съответства на един експеримент.

Наборът от данни съдържа колони, които описват различни аспекти от поведението на робота. Примери за такива характеристики са:

Изисквания

Task 1 - Брой типове арени (15 точки)

Използвайки данните от файл train.csv, определете колко различни стойности се появяват в колоната arena_type.

Task 2 - Максимална наблюдавана скорост (15 точки)

Използвайки данните от файл train.csv, определете максимума на стойностите в колоната avg_speed_mps.

Task 3 - Най-често използваната арена (10 точки)

Въз основа на данните от файл train.csv, определете кой тип арена се появява най-често в колоната arena_type.

Task 4 - Максимална производителност при събиране (10 точки)

Въз основа на данните от файл train.csv, определете максималната стойност на колоната items_collected.

Task 5 – Идентифициране на стратегията на робота (50 точки)

Изградете модел, който определя стратегията на робота за всеки експеримент от test.csv.

Възможните стойности са:

1explorer2collector3guardian4sprinter

Формат на файла за изпращане

Файлът за изпращане трябва да бъде във формат csv и да съдържа следните колони:

Възможните стойности за subtaskID са:

За Task 1 – Task 4, резултатът е стойност, изчислена глобално въз основа на данните от train.csv.
Във файла за изпращане тя трябва да бъде изпратена само веднъж, като се използва специалната стойност GLOBAL за robot_id.

За Task 5 трябва да се докладва предсказаната стратегия за всеки робот от test.csv.

Възможните стойности са:

1explorer2collector3guardian4sprinter

Пример за файл submission.csv

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

Оценяване

Общият брой точки е 100 точки.

Task 1 – Task 4 (50 точки)

За първите четири задачи отговорите се определят изключително въз основа на данните от train.csv.

Оценяването се извършва чрез точно сравнение (равенство) между стойността, изпратена във файла за изпращане, и правилната стойност, изчислена от train.csv.

Task 5 – Идентифициране на стратегията на робота (50 точки)

За тази задача се оценява коректността на предсказаните стратегии за роботите от test.csv.

Използва се метриката Macro-F1, която изчислява F1 резултата за всеки клас и след това усреднява тези стойности.

За клас c:

Крайният резултат Macro-F1 е средната стойност на F1 резултатите за всички класове:

където K е броят на класовете. В този проблем K = 4.

Присъденият брой точки за Task 5 е:

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

⬇ Изтеглете Starter Kit