Политика за разпространение за тест за управление на роботи

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какво генерира политиката за разпространение във всяка точка на вземане на решение?
   • Кратка последователност (парче) от бъдещи действия
   • Една мигновена команда на двигателя
   • Обяснение на естествен език
   • Сигнал за награда за обучение
2. Коя генеративна техника заема Diffusion Policy от AI на изображението?
   • Ръчно пикселно рисуване
   • Итеративно обезшумяване на случаен шум
   • Генетични алгоритми
   • Дървета на решенията
3. How can a generative action policy represent a task with several valid solutions?
   • It must choose the same fixed action for every observation
   • It removes the need for demonstrations or action data
   • It can model multiple plausible action sequences instead of regressing to their average
   • It guarantees higher success than every older controller
4. По време на обучението, какво се научава да предвижда мрежата в политиката за разпространение?
   • Следващата дума в изречението
   • Нивото на батерията на робота
   • Настройка на експозицията на камерата
   • Шумът, който беше добавен към демонстрирана поредица от действия
5. Какво е препланиране на „отдалечаващ се хоризонт“ в политиката за разпространение?
   • Прогнозиране на част от действие, но повторно планиране с нови наблюдения, преди да го завършите
   • Пускане на робота само веднъж и след това спиране
   • Игнориране на всички входове на сензора
   • Обучение без демонстрации
6. Which architecture did the Diffusion Policy paper introduce for modeling temporal action sequences?
   • A static image classifier with no temporal model
   • A time-series diffusion transformer
   • A text-only recurrent language model
   • A fixed lookup table of robot motions
7. What observations can condition a visuomotor Diffusion Policy?
   • Only a text prompt, with no robot or scene data
   • The names of the training researchers
   • Visual observations and the robot’s state
   • A future action sequence labeled as correct at inference time
8. How broad was the Diffusion Policy paper’s benchmark evaluation?
   • One task on a single robot benchmark
   • Hundreds of tasks across every robot platform
   • Only simulations with no manipulation tasks
   • Twelve tasks across four robot-manipulation benchmarks