Роботы в лабиринте - 9/10

Контекст

В исследовательском центре автономных систем тестируются несколько типов роботов. Для этих экспериментов использовались различные типы арен, и каждый робот следует определенной стратегии исследования. Во время каждого эксперимента робот оснащен набором датчиков и систем мониторинга, которые собирают информацию о его деятельности. Записанные данные описывают различные аспекты поведения робота и среды, в которой он работает.
Они могут включать числовые значения (например, среднюю скорость, пройденное расстояние, количество столкновений или собранных объектов), а также категориальную или описательную информацию (такую как тип арены или условия окружающей среды). Анализ этих данных позволяет выявить закономерности в том, как роботы перемещаются, исследуют пространство, собирают объекты или реагируют на препятствия.

Анализ этих данных важен для:

• идентификации стратегии, которой следует робот, на основе наблюдаемого поведения;
• понимания признаков, которые отличают стратегии друг от друга;
• построения моделей, способных автоматически распознавать паттерны исследования.

Для решения этой задачи вам предоставлены два файла:

• train.csv – содержит размеченные примеры, используемые для анализа и обучения моделей;
• test.csv – содержит те же переменные, без столбца strategy_label, и используется для генерации прогнозов.

Стратегии роботов

В экспериментах используются четыре типа стратегий:

• explorer – робот, который старается посетить как можно больше различных зон;
• collector – робот, нацеленный на сбор объектов;
• guardian – робот, который патрулирует и часто возвращается в одни и те же регионы;
• sprinter – робот, который перемещается быстро, с упором на скорость и охват территории за короткое время.

Описание набора данных

Каждая строка в файлах train.csv и test.csv соответствует одному эксперименту.

Набор данных содержит столбцы, описывающие различные аспекты поведения робота. Примеры таких характеристик:

Требования

Task 1 - Количество типов арен (15 баллов)

Используя данные из файла train.csv, определите, сколько уникальных значений встречается в столбце arena_type.

Task 2 - Максимальная наблюдаемая скорость (15 баллов)

Используя данные из файла train.csv, определите максимальное значение в столбце avg_speed_mps.

Task 3 - Самая часто используемая арена (10 баллов)

На основе данных из файла train.csv определите тип арены, который чаще всего встречается в столбце arena_type.

Task 4 - Максимальная производительность сбора (10 баллов)

На основе данных из файла train.csv определите максимальное значение в столбце items_collected.

Task 5 – Идентификация стратегии робота (50 баллов)

Постройте модель, которая определяет стратегию робота для каждого эксперимента из test.csv.

Возможные значения:

1explorer2collector3guardian4sprinter

Формат файла для отправки

Файл для отправки должен быть в формате csv и содержать следующие столбцы:

Возможные значения для subtaskID:

Для Task 1 – Task 4 результатом является значение, вычисленное глобально на основе данных из train.csv.
В файле для отправки оно должно быть передано один раз, с использованием специального значения GLOBAL для robot_id.

Для Task 5 необходимо указать предсказанную стратегию для каждого робота из test.csv.

Возможные значения:

1explorer2collector3guardian4sprinter

Пример файла submission.csv

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

Оценка

Общий балл составляет 100 баллов.

Task 1 – Task 4 (50 баллов)

Для первых четырех задач ответы определяются исключительно на основе данных из train.csv.

Оценка производится путем точного сравнения (равенства) между значением, переданным в файле, и правильным значением, рассчитанным из train.csv.

Task 5 – Идентификация стратегии робота (50 баллов)

Для этой задачи оценивается правильность предсказанных стратегий для роботов из test.csv.

Используется метрика Macro-F1, которая вычисляет показатель F1 для каждого класса, а затем берет среднее этих значений.

Для класса c:

Итоговый показатель Macro-F1 — это среднее значение показателей F1 для всех классов:

где K — количество классов. В данной задаче K = 4.

Баллы за Task 5 начисляются следующим образом:

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

⬇ Скачать Starter Kit