Betöltés...
Nehézség
Az Ön legjobb eredménye
N/A
Egy autonóm rendszerekkel foglalkozó kutatóközpontban többféle robotot tesztelnek. Ezekhez a kísérletekhez többféle arénát használtak, és minden robot egy meghatározott felfedezési stratégiát követ. Minden kísérlet során a robotot szenzorokkal és megfigyelőrendszerekkel szerelik fel, amelyek adatokat gyűjtenek a tevékenységéről. A rögzített adatok a robot viselkedésének és a környezetének különböző aspektusait írják le.
Ezek tartalmazhatnak numerikus értékeket (például átlagsebesség, megtett távolság, ütközések száma vagy összegyűjtött tárgyak), de kategóriákba sorolható vagy leíró információkat is (mint az aréna típusa vagy a környezeti feltételek). Az adatok elemzésével mintázatok figyelhetők meg abban, ahogyan a robotok mozognak, felfedezik a teret, tárgyakat gyűjtenek vagy az akadályokra reagálnak.
Az adatok elemzése a következő okokból fontos:
A feladat megoldásához két fájl áll rendelkezésre:
train.csv – címkézett példákat tartalmaz, az elemzéshez és a modellek tanításához;test.csv – ugyanazokat a változókat tartalmazza a strategy_label oszlop nélkül, és a predikciók generálására szolgál.A kísérletekben négyféle stratégiát alkalmaznak:
A train.csv és test.csv fájlok minden sora egy-egy kísérletnek felel meg.
Az adatkészlet olyan oszlopokat tartalmaz, amelyek a robot viselkedésének különböző aspektusait írják le. Példák ezekre a jellemzőkre:
| Oszlop | Típus | Leírás |
|---|---|---|
| robot_id | string | A kísérlet egyedi azonosítója |
| arena_type | string | Az aréna típusa, ahol a kísérlet zajlott |
| weather | string | A kísérlet környezeti feltételei |
| difficulty | int | Az aréna nehézségi szintje |
| laps | int | Megtett körök száma |
| avg_speed_mps | float | A robot átlagsebessége (m/s) |
| distance_m | float | Teljes megtett távolság |
| battery_used_pct | float | Felhasznált akkumulátor százalékban |
| collisions | int | Akadályokkal való ütközések száma |
| unique_cells | float | Felfedezett különböző zónák száma |
| items_collected | int | Összegyűjtött tárgyak száma |
| pause_count | int | Szünetek vagy megállások száma |
| turn_rate | float | Irányváltások gyakorisága |
| scan_accuracy | float | Az elvégzett szkennelések pontossága |
| return_time_s | float | A kezdőponthoz való visszatéréshez szükséges idő |
| efficiency_score | float | A robot hatékonyságának összesített pontszáma |
| coverage_ratio | float | Az aréna felfedezett részének aránya |
| scan_turn_sync | float | A szkennelések és az irányváltások közötti szinkronizáció |
| pickup_efficiency | float | A tárgygyűjtés hatékonysága |
| detour_index | float | Útvonal-eltérések indexe |
| safety_margin | float | Biztonsági távolság az akadályoktól |
| patrol_consistency | float | Egy zóna járőrözésének konzisztenciája |
| speed_burst | float | A gyors gyorsítások intenzitása |
| risk_index | float | A mozgás kockázati indexe |
| strategy_label | string | A robot stratégiája (csak a train.csv-ben) |
A train.csv fájl adatai alapján határozza meg, hány különböző érték szerepel az arena_type oszlopban.
A train.csv fájl adatai alapján határozza meg az avg_speed_mps oszlop értékeinek maximumát.
A train.csv fájl adatai alapján határozza meg, melyik arénatípus fordul elő a leggyakrabban az arena_type oszlopban.
A train.csv fájl adatai alapján határozza meg az items_collected oszlop maximális értékét.
Építsen egy modellt, amely meghatározza a robot stratégiáját a test.csv minden kísérletéhez.
A lehetséges értékek:
explorercollectorguardiansprinterA beküldendő fájlnak csv formátumúnak kell lennie, és a következő oszlopokat kell tartalmaznia:
| Oszlop | Leírás |
|---|---|
| robot_id | A robot azonosítója a test.csv-ből |
| subtaskID | Annak a feladatnak az ID-ja, amelyre a választ küldi |
| answer | Az adott feladathoz kiszámított vagy megjósolt érték |
A subtaskID lehetséges értékei:
| subtaskID | Feladat |
|---|---|
| 1 | Arénatípusok száma |
| 2 | Megfigyelt maximális sebesség |
| 3 | Leggyakrabban használt aréna |
| 4 | Maximális gyűjtési teljesítmény |
| 5 | A robot stratégiája |
A Task 1 – Task 4 esetében az eredmény a train.csv adatai alapján globálisan kiszámított érték.
A beküldendő fájlban ezt egyszer kell szerepeltetni, a robot_id oszlopban a speciális GLOBAL értéket használva.
A Task 5 esetében a test.csv-ben szereplő minden robotra meg kell adni a megjósolt stratégiát.
A lehetséges értékek:
explorercollectorguardiansprintersubmission.csv fájlrarobot_id,subtaskID,answerGLOBAL,1,10GLOBAL,2,4.31GLOBAL,3,forestGLOBAL,4,7TR_1000,5,explorerTR_1001,5,guardianTR_1002,5,collectorA maximális pontszám 100 pont.
Az első négy feladatnál a válaszok kizárólag a train.csv adatai alapján kerülnek meghatározásra.
Az értékelés pontos összehasonlítással (egyenlőség) történik a beküldött érték és a train.csv-ből kiszámított helyes érték között.
Ebben a feladatban a test.csv robotjaihoz megjósolt stratégiák helyességét értékeljük.
A Macro-F1 metrikát használjuk, amely kiszámítja az F1-pontszámot minden osztályra, majd veszi ezek átlagát.
Egy c osztályra:
A végső Macro-F1 pontszám az összes osztály F1-pontszámának átlaga:
ahol K az osztályok száma. Ebben a feladatban K = 4.
A Task 5-re adott pontszám:
score = 50 x MacroF1 (ha MacroF1 < 0.93)score = 50 (ha MacroF1 >= 0.93)