迷宫机器人 - 9/10

背景

在一个自主系统研究中心，正在测试多种类型的机器人。在这些实验中使用了多种类型的场地，每个机器人遵循特定的探索策略。在每次实验期间，机器人配备了一套传感器和监控系统，用于收集其活动信息。记录的数据描述了机器人行为及其运行环境的不同方面。
这些数据可能包括数值（例如平均速度、行驶距离、碰撞次数或收集的物品数量），也包括类别或描述性信息（如场地类型或环境条件）。通过分析这些数据，可以观察到机器人在移动、探索空间、收集物品或对障碍物做出反应时的模式。

分析这些数据对于以下方面非常重要：

• 根据观察到的行为识别机器人遵循的策略；
• 理解区分不同策略的特征；
• 构建能够自动识别探索模式的模型。

为了解决这个问题，您将获得两个文件：

• train.csv – 包含带标签的示例，用于分析和训练模型；
• test.csv – 包含相同的变量，但不含 strategy_label 列，用于生成预测。

机器人策略

实验中使用了四种类型的策略：

• explorer – 试图访问尽可能多不同区域的机器人；
• collector – 专注于收集物品的机器人；
• guardian – 进行巡逻并频繁返回相同区域的机器人；
• sprinter – 快速移动，强调在短时间内完成速度和覆盖范围的机器人。

数据集描述

train.csv 和 test.csv 文件中的每一行对应一次实验。

数据集包含描述机器人行为不同方面的列。此类特征的示例如下：

要求

任务 1 - 场地类型数量 (15 分)

使用 train.csv 文件中的数据，确定 arena_type 列中出现了多少个不同的值。

任务 2 - 观察到的最大速度 (15 分)

使用 train.csv 文件中的数据，确定 avg_speed_mps 列中的最大值。

任务 3 - 最常用的场地 (10 分)

根据 train.csv 文件中的数据，确定 arena_type 列中出现频率最高的场地类型。

任务 4 - 最大收集性能 (10 分)

根据 train.csv 文件中的数据，确定 items_collected 列的最大值。

任务 5 – 识别机器人策略 (50 分)

构建一个模型，为 test.csv 中的每个实验确定机器人的策略。

可能的值为：

1explorer2collector3guardian4sprinter

提交文件格式

提交文件必须为 csv 格式，并包含以下列：

subtaskID 的可能值为：

对于 任务 1 – 任务 4，结果是基于 train.csv 数据全局计算的值。
在提交文件中，该值应仅发送一次，并将 robot_id 设置为特殊值 GLOBAL。

对于 任务 5，必须报告 test.csv 中每个机器人的预测策略。

可能的值为：

1explorer2collector3guardian4sprinter

submission.csv 文件示例

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

评分

总分为 100 分。

任务 1 – 任务 4 (50 分)

前四个任务的答案完全基于 train.csv 数据确定。

评分通过比较提交文件中的值与从 train.csv 计算出的正确值是否**完全一致（相等）**来进行。

任务 5 – 识别机器人策略 (50 分)

此任务评估对 test.csv 中机器人预测策略的准确性。

使用 Macro-F1 指标，该指标计算每个类别的 F1 分数，然后取这些值的平均值。

对于类别 c：

最终的 Macro-F1 分数是所有类别 F1 分数的平均值：

其中 K 是类别的数量。在本题中，K = 4。

任务 5 的得分计算如下：

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

⬇ 下载入门套件 (Starter Kit)