Roboti labirintā - 9/10

Konteksts

Autonomo sistēmu pētniecības centrā tiek testēti vairāki robotu veidi. Šiem eksperimentiem tika izmantoti vairāki arēnu veidi, un katrs robots ievēro noteiktu izpētes stratēģiju. Katra eksperimenta laikā robots ir aprīkots ar sensoru un uzraudzības sistēmu komplektu, kas vāc informāciju par tā darbību. Reģistrētie dati apraksta dažādus robota uzvedības aspektus un vidi, kurā tas darbojas.
Tie var ietvert skaitliskas vērtības (piemēram, vidējais ātrums, nobrauktais attālums, sadursmju skaits vai savāktie objekti), kā arī kategorisku vai aprakstošu informāciju (piemēram, arēnas veids vai vides apstākļi). Analizējot šos datus, var novērot modeļus tajā, kā roboti pārvietojas, pēta telpu, vāc objektus vai reaģē uz šķēršļiem.

Šo datu analīze ir svarīga, lai:

• identificētu robota ievēroto stratēģiju, pamatojoties uz novēroto uzvedību;
• izprastu pazīmes, kas atšķir stratēģijas vienu no otras;
• izveidotu modeļus, kas spēj automātiski atpazīt izpētes modeļus.

Šīs problēmas risināšanai jums būs pieejami divi faili:

• train.csv – satur marķētus piemērus, ko izmanto analīzei un modeļu apmācībai;
• test.csv – satur tos pašus mainīgos, bez kolonnas strategy_label, un tiek izmantots prognožu ģenerēšanai.

Robotu stratēģijas

Eksperimentos tiek izmantoti četri stratēģiju veidi:

• explorer – robots, kas mēģina apmeklēt pēc iespējas vairāk dažādu zonu;
• collector – robots, kura mērķis ir vākt objektus;
• guardian – robots, kas patruļē un bieži atgriežas tajos pašos reģionos;
• sprinter – robots, kas pārvietojas ātri, koncentrējoties uz ātrumu un pārklājumu īsā laikā.

Datu kopas apraksts

Katra rinda failos train.csv un test.csv atbilst vienam eksperimentam.

Datu kopa satur kolonnas, kas apraksta dažādus robota uzvedības aspektus. Šādu raksturlielumu piemēri ir:

Prasības

Task 1 - Arēnu veidu skaits (15 punkti)

Izmantojot datus no faila train.csv, nosakiet, cik atšķirīgu vērtību parādās kolonnā arena_type.

Task 2 - Maksimālais novērotais ātrums (15 punkti)

Izmantojot datus no faila train.csv, nosakiet maksimālo vērtību kolonnā avg_speed_mps.

Task 3 - Visbiežāk izmantotā arēna (10 punkti)

Pamatojoties uz datiem no faila train.csv, nosakiet, kurš arēnas veids visbiežāk parādās kolonnā arena_type.

Task 4 - Maksimālā savākšanas veiktspēja (10 punkti)

Pamatojoties uz datiem no faila train.csv, nosakiet maksimālo vērtību kolonnā items_collected.

Task 5 – Robota stratēģijas identificēšana (50 punkti)

Izveidojiet modeli, kas nosaka robota stratēģiju katram eksperimentam no test.csv.

Iespējamās vērtības ir:

1explorer2collector3guardian4sprinter

Iesniegšanas faila formāts

Iesniegšanas failam jābūt csv formātā un jāsatur šādas kolonnas:

Iespējamās subtaskID vērtības ir:

Task 1 – Task 4 rezultāts ir vērtība, kas aprēķināta globāli, pamatojoties uz train.csv datiem.
Iesniegšanas failā tā jānosūta tikai vienu reizi, izmantojot speciālo vērtību GLOBAL kolonnai robot_id.

Task 5 gadījumā ir jāziņo prognozētā stratēģija katram robotam no test.csv.

Iespējamās vērtības ir:

1explorer2collector3guardian4sprinter

submission.csv faila piemērs

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

Vērtēšana

Kopējais punktu skaits ir 100 punkti.

Task 1 – Task 4 (50 punkti)

Pirmajiem četriem uzdevumiem atbildes tiek noteiktas tikai uz train.csv datu pamata.

Novērtēšana tiek veikta, izmantojot precīzu salīdzināšanu (vienādību) starp iesniegšanas failā norādīto vērtību un pareizo vērtību, kas aprēķināta no train.csv.

Task 5 – Robota stratēģijas identificēšana (50 punkti)

Šajā uzdevumā tiek vērtēts test.csv robotu prognozēto stratēģiju pareizums.

Tiek izmantota Macro-F1 metrika, kas aprēķina F1 rādītāju katrai klasei un pēc tam aprēķina šo vērtību vidējo.

Klasei c:

Gala Macro-F1 rādītājs ir visu klašu F1 rādītāju vidējais:

kur K ir klašu skaits. Šajā problēmā K = 4.

Piešķirtie punkti par Task 5 ir:

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

⬇ Lejupielādēt Starter Kit