Robotai labirinte - 9/10

Kontekstas

Autonominių sistemų tyrimų centre bandomi kelių tipų robotai. Šiems eksperimentams buvo naudojami įvairių tipų poligonai, o kiekvienas robotas laikosi tam tikros tyrinėjimo strategijos. Kiekvieno eksperimento metu robotas turi jutiklių rinkinį ir stebėjimo sistemas, kurios renka informaciją apie jo veiklą. Įrašyti duomenys apibūdina įvairius roboto elgsenos aspektus ir aplinką, kurioje jis veikia.
Tai gali būti skaitinės vertės (pavyzdžiui, vidutinis greitis, nuvažiuotas atstumas, susidūrimų skaičius ar surinkti objektai), taip pat kategorinė ar aprašomoji informacija (pavyzdžiui, poligono tipas ar aplinkos sąlygos). Analizuojant šiuos duomenis, galima pastebėti dėsningumus, kaip robotai juda, tyrinėja erdvę, renka objektus ar reaguoja į kliūtis.

Šių duomenų analizė yra svarbi:

• roboto naudojamos strategijos nustatymui pagal stebimą elgseną;
• bruožų, kuriais strategijos skiriasi viena nuo kitos, supratimui;
• modelių, gebančių automatiškai atpažinti tyrinėjimo dėsningumus, kūrimui.

Šiai problemai spręsti turėsite du failus:

• train.csv – jame yra paženklinti pavyzdžiai, naudojami analizei ir modelių mokymui;
• test.csv – jame yra tie patys kintamieji, be stulpelio strategy_label, ir jis naudojamas prognozėms generuoti.

Robotų strategijos

Eksperimentuose naudojami keturi strategijų tipai:

• explorer – robotas, kuris stengiasi aplankyti kuo daugiau skirtingų zonų;
• collector – robotas, kurio tikslas yra rinkti objektus;
• guardian – robotas, kuris patruliuoja ir dažnai grįžta į tuos pačius regionus;
• sprinter – robotas, kuris juda greitai, orientuodamasis į greitį ir plotą per trumpą laiką.

Duomenų rinkinio aprašymas

Kiekviena eilutė train.csv ir test.csv failuose atitinka vieną eksperimentą.

Duomenų rinkinyje yra stulpeliai, apibūdinantys įvairius roboto elgsenos aspektus. Tokių charakteristikų pavyzdžiai yra:

Užduotys

Task 1 - Poligonų tipų skaičius (15 taškų)

Naudodami train.csv failo duomenis, nustatykite, kiek skirtingų reikšmių yra stulpelyje arena_type.

Task 2 - Didžiausias pastebėtas greitis (15 taškų)

Naudodami train.csv failo duomenis, nustatykite didžiausią reikšmę stulpelyje avg_speed_mps.

Task 3 - Dažniausiai naudojamas poligonas (10 taškų)

Remdamiesi train.csv failo duomenimis, nustatykite, koks poligono tipas dažniausiai pasitaiko stulpelyje arena_type.

Task 4 - Maksimalus surinkimo našumas (10 taškų)

Remdamiesi train.csv failo duomenimis, nustatykite didžiausią reikšmę stulpelyje items_collected.

Task 5 – Roboto strategijos identifikavimas (50 taškų)

Sukurkite modelį, kuris nustatytų roboto strategiją kiekvienam eksperimentui iš test.csv.

Galimos reikšmės yra:

1explorer2collector3guardian4sprinter

Pateikiamo failo formatas

Pateikiamas failas turi būti csv formato ir jame turi būti šie stulpeliai:

Galimos subtaskID reikšmės:

Task 1 – Task 4 atveju rezultatas yra viena reikšmė, apskaičiuota bendrai pagal train.csv duomenis.
Pateikiamame faile ši reikšmė turi būti nurodyta tik vieną kartą, naudojant specialią robot_id reikšmę GLOBAL.

Task 5 atveju reikia nurodyti numatytą strategiją kiekvienam robotui iš test.csv.

Galimos reikšmės:

1explorer2collector3guardian4sprinter

Failo submission.csv pavyzdys

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

Vertinimas

Iš viso galima surinkti 100 taškų.

Task 1 – Task 4 (50 taškų)

Pirmų keturių užduočių atsakymai nustatomi išskirtinai pagal train.csv duomenis.

Vertinimas atliekamas tiksliu palyginimu (lygybe) tarp pateiktame faile nurodytos reikšmės ir teisingos reikšmės, apskaičiuotos iš train.csv.

Task 5 – Roboto strategijos identifikavimas (50 taškų)

Šioje užduotyje vertinamas numatytų strategijų teisingumas robotams iš test.csv.

Naudojama Macro-F1 metrika, kuri apskaičiuoja F1 balą kiekvienai klasei ir tada išveda šių reikšmių vidurkį.

Klasei c:

Galutinis Macro-F1 balas yra visų klasių F1 balų vidurkis:

kur K yra klasių skaičius. Šioje problemoje K = 4.

Task 5 skiriami taškai:

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

⬇ Atsisiųsti Starter Kit