Robotit labyrintissä - 9/10

Konteksti

Autonomisten järjestelmien tutkimuskeskuksessa testataan useita robottityyppejä. Näissä kokeissa on käytetty erilaisia areenoita, ja jokainen robotti noudattaa tiettyä tutkimusstrategiaa. Jokaisen kokeen aikana robotti on varustettu antureilla ja valvontajärjestelmillä, jotka keräävät tietoa sen toiminnasta. Tallennetut tiedot kuvaavat robotin käyttäytymisen eri puolia ja ympäristöä, jossa se toimii.
Nämä voivat sisältää numeerisia arvoja (esim. keskinopeus, kuljettu matka, törmäysten määrä tai kerätyt esineet), mutta myös kategorisia tai kuvailevia tietoja (kuten areenan tyyppi tai ympäristöolosuhteet). Näitä tietoja analysoimalla voidaan havaita malleja siinä, miten robotit liikkuvat, tutkivat tilaa, keräävät esineitä tai reagoivat esteisiin.

Näiden tietojen analysointi on tärkeää:

• robotin noudattaman strategian tunnistamiseksi havaitun käyttäytymisen perusteella;
• strategioita toisistaan erottavien piirteiden ymmärtämiseksi;
• sellaisten mallien rakentamiseksi, jotka kykenevät tunnistamaan tutkimuskuviot automaattisesti.

Tämän ongelman ratkaisemiseksi käytössäsi on kaksi tiedostoa:

• train.csv – sisältää merkittyjä esimerkkejä, joita käytetään analysointiin ja mallien opettamiseen;
• test.csv – sisältää samat muuttujat ilman strategy_label-saraketta, ja sitä käytetään ennusteiden luomiseen.

Robottien strategiat

Kokeissa käytetään neljää eri strategiatyyppiä:

• explorer – robotti, joka pyrkii vierailemaan mahdollisimman monella eri alueella;
• collector – robotti, joka keskittyy esineiden keräämiseen;
• guardian – robotti, joka partioi ja palaa usein samoille alueille;
• sprinter – robotti, joka liikkuu nopeasti painottaen nopeutta ja kattavuutta lyhyessä ajassa.

Tietojoukon kuvaus

Jokainen rivi tiedostoissa train.csv ja test.csv vastaa yhtä koetta.

Tietojoukko sisältää sarakkeita, jotka kuvaavat robotin käyttäytymisen eri puolia. Esimerkkejä näistä ominaisuuksista ovat:

Vaatimukset

Tehtävä 1 - Areenatyyppien lukumäärä (15 pistettä)

Määritä tiedoston train.csv tietojen perusteella, kuinka monta eri arvoa esiintyy sarakkeessa arena_type.

Tehtävä 2 - Suurin havaittu nopeus (15 pistettä)

Määritä tiedoston train.csv tietojen perusteella sarakkeen avg_speed_mps suurin arvo.

Tehtävä 3 - Useimmin käytetty areena (10 pistettä)

Määritä tiedoston train.csv tietojen perusteella, mikä areenatyyppi esiintyy useimmin sarakkeessa arena_type.

Tehtävä 4 - Maksimaalinen keräilyteho (10 pistettä)

Määritä tiedoston train.csv tietojen perusteella sarakkeen items_collected suurin arvo.

Tehtävä 5 – Robotin strategian tunnistaminen (50 pistettä)

rakenna malli, joka määrittää robotin strategian jokaiselle kokeelle tiedostossa test.csv.

Mahdolliset arvot ovat:

1explorer2collector3guardian4sprinter

Palautustiedoston muoto

Palautustiedoston on oltava csv-muodossa ja sen on sisällettävä seuraavat sarakkeet:

Mahdolliset arvot subtaskID-kentälle ovat:

Tehtävissä 1–4 tulos on laskettu arvo globaalisti train.csv-tiedoston perusteella.
Palautustiedostossa tämä on ilmoitettava vain kerran käyttämällä erikoisarvoa GLOBAL sarakkeessa robot_id.

Tehtävässä 5 on ilmoitettava ennustettu strategia jokaiselle robotille tiedostosta test.csv.

Mahdolliset arvot ovat:

1explorer2collector3guardian4sprinter

Esimerkki submission.csv-tiedostosta

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

Arviointi

Kokonaispistemäärä on 100 pistettä.

Tehtävä 1 – Tehtävä 4 (50 pistettä)

Neljän ensimmäisen tehtävän vastaukset määritetään yksinomaan train.csv-tiedoston tietojen perusteella.

Arviointi tehdään tarkalla vertailulla (yhtäsuuruus) palautustiedostossa lähetetyn arvon ja train.csv-tiedostosta lasketun oikean arvon välillä.

Tehtävä 5 – Robotin strategian tunnistaminen (50 pistettä)

Tässä tehtävässä arvioidaan test.csv-tiedoston roboteille ennustettujen strategioiden oikeellisuutta.

Käytetään Macro-F1-metriikkaa, joka laskee F1-pisteytyksen jokaiselle luokalle ja laskee sitten näiden arvojen keskiarvon.

Luokalle c:

Lopullinen Macro-F1-pistemäärä on kaikkien luokkien F1-pisteiden keskiarvo:

jossa K on luokkien lukumäärä. Tässä tehtävässä K = 4.

Tehtävästä 5 annettavat pisteet ovat:

1pisteet = 50 x MacroF1 (jos MacroF1 < 0.93)2pisteet = 50 (jos MacroF1 >= 0.93)

⬇ Lataa Starter Kit