Roboty w labiryncie - 9/10

Kontekst

W centrum badawczym systemów autonomicznych testowanych jest kilka typów robotów. W tych eksperymentach wykorzystano różne rodzaje aren, a każdy robot stosuje określoną strategię eksploracji. Podczas każdego eksperymentu robot jest wyposażony w zestaw czujników i systemów monitorujących, które zbierają informacje o jego aktywności. Zarejestrowane dane opisują różne aspekty zachowania robota oraz środowiska, w którym pracuje.
Mogą one obejmować wartości liczbowe (np. średnią prędkość, przebyty dystans, liczbę kolizji lub zebranych obiektów), ale także informacje kategoryczne lub opisowe (takie jak typ areny lub warunki środowiskowe). Analiza tych danych pozwala zaobserwować wzorce w sposobie poruszania się robotów, eksploracji przestrzeni, zbierania obiektów czy reagowania na przeszkody.

Analiza tych danych jest ważna dla:

• identyfikacji strategii stosowanej przez robota na podstawie zaobserwowanego zachowania;
• zrozumienia cech odróżniających poszczególne strategie od siebie;
• budowy modeli zdolnych do automatycznego rozpoznawania wzorców eksploracji.

Do rozwiązania tego problemu będziesz mieć do dyspozycji dwa pliki:

• train.csv – zawiera etykietowane przykłady, używane do analizy i trenowania modeli;
• test.csv – zawiera te same zmienne, bez kolumny strategy_label, i służy do generowania predykcji.

Strategie robotów

W eksperymentach wykorzystywane są cztery typy strategii:

• explorer – robot, który stara się odwiedzić jak najwięcej różnych obszarów;
• collector – robot, którego celem jest zbieranie obiektów;
• guardian – robot, który patroluje i często powraca do tych samych regionów;
• sprinter – robot, który porusza się szybko, kładąc nacisk na prędkość i pokrycie terenu w krótkim czasie.

Opis zestawu danych

Każdy wiersz w plikach train.csv i test.csv odpowiada jednemu eksperymentowi.

Zestaw danych zawiera kolumny opisujące różne aspekty zachowania robota. Przykłady takich cech to:

Wymagania

Zadanie 1 - Liczba typów aren (15 punktów)

Korzystając z danych w pliku train.csv, określ, ile unikalnych wartości pojawia się w kolumnie arena_type.

Zadanie 2 - Maksymalna zaobserwowana prędkość (15 punktów)

Korzystając z danych w pliku train.csv, wyznacz maksymalną wartość w kolumnie avg_speed_mps.

Zadanie 3 - Najczęściej używana arena (10 punktów)

Na podstawie danych z pliku train.csv określ, który typ areny pojawia się najczęściej w kolumnie arena_type.

Zadanie 4 - Maksymalna wydajność zbierania (10 punktów)

Na podstawie danych z pliku train.csv wyznacz maksymalną wartość w kolumnie items_collected.

Zadanie 5 – Identyfikacja strategii robota (50 punktów)

Zbuduj model, który określi strategię robota dla każdego eksperymentu w test.csv.

Możliwe wartości to:

1explorer2collector3guardian4sprinter

Format pliku zgłoszeniowego

Plik zgłoszeniowy musi być w formacie csv i zawierać następujące kolumny:

Możliwe wartości dla subtaskID to:

Dla Zadań 1 – 4 wynikiem jest wartość obliczona globalnie na podstawie danych z train.csv.
W pliku zgłoszeniowym należy ją przesłać tylko raz, używając specjalnej wartości GLOBAL dla robot_id.

Dla Zadania 5 należy podać przewidywaną strategię dla każdego robota z test.csv.

Możliwe wartości to:

1explorer2collector3guardian4sprinter

Przykład pliku submission.csv

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

Ocena

Łączna liczba punktów wynosi 100 punktów.

Zadania 1 – 4 (50 punktów)

Dla pierwszych czterech zadań odpowiedzi są ustalane wyłącznie na podstawie danych z train.csv.

Ocena odbywa się poprzez dokładne porównanie (równość) między wartością przesłaną w pliku zgłoszeniowym a poprawną wartością obliczoną z train.csv.

Zadanie 5 – Identyfikacja strategii robota (50 punktów)

W tym zadaniu oceniana jest poprawność przewidywanych strategii dla robotów z test.csv.

Stosowana jest metryka Macro-F1, która oblicza wynik F1 dla każdej klasy, a następnie wyciąga średnią z tych wartości.

Dla klasy c:

Końcowy wynik Macro-F1 to średnia wyników F1 dla wszystkich klas:

gdzie K to liczba klas. W tym problemie K = 4.

Punktacja przyznawana za Zadanie 5 wynosi:

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

⬇ Pobierz Starter Kit