Kvíz spojený s průvodcem · Střední úroveň
Kvíz o modelech světa a naučených simulátorech
Prozkoumejte, jak světové modely předpovídají změny prostředí, podporují plánování v imaginárních stavech a generují interaktivní simulované zážitky.
Otázka 1 z 8
Co je hlavní prací světového modelu?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co je hlavní prací světového modelu?
- Předvídat, jak se mění prostředí za daného stavu a akce
- Označení obrázků kategoriemi
- Pro komprimaci textu do vložení
- Pro směrování síťových paketů
- In the 2018 World Models DoomTakeCover experiment, where was the controller trained?
- Pouze na skutečném hardwaru
- Uvnitř modelova vlastního naučeného „snu“ prostředí
- Ve veřejném cloudovém clusteru robotů
- Používat pouze jazyková data
- Jakého pozoruhodného úspěchu dosáhl DreamerV3 od DeepMind?
- Psaní románu
- Překlad 100 jazyků
- Collecting diamonds in Minecraft using policy learning from imagined trajectories
- Návrh mikročipu
- Co dělá Genie Google?
- Komprimuje videa pro streamování
- Třídí výsledky vyhledávání
- Školí lektory jazyků
- Generuje ovladatelné, hratelné 2D světy z obrázků a neoznačeného videa
- Jak mnoho světových modelů udržuje problém předpovědi řešitelný pro vysokorozměrné vstupy, jako jsou obrázky?
- Kódují pozorování do kompaktního latentního stavu a předpovídají v tomto prostoru
- Obrázky zcela ignorují
- Používají pouze zvuk
- Uchovávají každý surový rám navždy
- What is a potential motivation for using a world model in robotics?
- Guarantee every simulated action is safe to deploy
- Explore candidate actions in learned dynamics with fewer real-world interactions, while validating model accuracy
- Avoid testing the model against any real observations
- Prove a visually realistic frame is physically accurate
- What techniques did DreamerV3 report for improving learning stability across diverse domains?
- A fixed image resize and no reward modeling
- A hand-written controller for every game
- Normalization, balancing, and transformations
- Removing all state observations from training
- Why does visually plausible output from a learned simulator not by itself prove accurate dynamics?
- Visual models cannot process actions
- Every rendered image is a ground-truth sensor measurement
- Plausibility guarantees accurate forces and collisions
- A realistic-looking frame may still depict incorrect physical state changes