Mit dem Guide verknüpftes Quiz · Mittel Ebene

Vision-Sprach-Aktionsmodelle für das Robotik-Quiz

Erfahren Sie, wie Vision-Language-Action-Modelle Kameraeingaben und -anweisungen mit Roboterbefehlen kombinieren und woher ihre Beweise kommen.

Verwandte FührungspfadeVision-Language-Aktionsmodelle für die Robotik
Frage 1 von 8

Welche drei Arten von Eingabe/Ausgabe definieren ein Vision-Language-Action (VLA)-Modell?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Welche drei Arten von Eingabe/Ausgabe definieren ein Vision-Language-Action (VLA)-Modell?
    • Kamerabilder, eine Sprachanweisung und Roboteraktionen
    • Audio, Text und Bilder
    • Sensorprotokolle, GPS und Batteriestatus
    • Code, Compiler-Ausgabe und Testergebnisse
  2. Wie stellte Google DeepMinds RT-2 Roboteraktionen dar, sodass ein Transformator sie generieren konnte?
    • Nur als kontinuierliche Gleitkommavektoren
    • Als diskretisierte Aktions-Tokens, ähnlich wie Text-Tokens
    • Als ROS-Nachrichten-XML
    • Als Belohnungswerte für verstärkendes Lernen
  3. Was bedeutet „Emergent Transfer“ im Zusammenhang mit VLAs?
    • Der Roboter überhitzt und schaltet sich ab
    • Zwei Roboter tauschen ihre Software aus
    • Web-Scale-Wissen aus der Vorschulung hilft dem Roboter beim Umgang mit neuartigen Objekten und Anweisungen
    • Aktionen werden ohne neuronales Netzwerk berechnet
  4. Was ist der Hauptvorteil des Diffusions-/Flussanpassungs-Aktionskopfs von pi-0 im Vergleich zu einzelnen diskreten Aktions-Tokens?
    • Es macht Kameras überflüssig
    • Es funktioniert nur in der Simulation
    • Es entfällt der Sprachunterricht
    • Es erzeugt sanfte, hochfrequente Action-Chunks für eine geschicktere Kontrolle
  5. Warum ist der Open X-Embodiment-Datensatz für VLAs wichtig?
    • Es bündelt Roboterdaten über viele Robotertypen hinweg, um eine verkörperungsübergreifende Verallgemeinerung zu ermöglichen
    • Es handelt sich lediglich um einen Maßstab für Bildunterschriften
    • Es speichert nur die Daten eines Roboters
    • Es handelt sich um ein reines Sprachtextkorpus
  6. Which data sources did DeepMind combine when co-fine-tuning RT-2?
    • Only a fixed list of hand-written joint commands
    • Robot demonstration data and web data with a pretrained vision-language model
    • Only audio recordings without robot observations
    • Only random action tokens with no examples
  7. What kinds of commands can an RT-2-style action representation encode?
    • Only natural-language explanations with no robot controls
    • A fixed video caption for each camera frame
    • Discretized robot motion and gripper commands represented as tokens
    • A robot’s hardware serial number
  8. How broad was the RT-2 evaluation of emergent capabilities reported by Google DeepMind?
    • Exactly 12 trials
    • One trial for every robot type worldwide
    • No physical robot trials
    • More than 6,000 robotic trials