Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Vision-Language-Action Models for Robotics Quiz

Μάθετε πώς τα μοντέλα όρασης-γλώσσας-δράσης συνδυάζουν την είσοδο της κάμερας και τις οδηγίες με εντολές ρομπότ και από πού προέρχονται τα στοιχεία τους.

Σχετικές διαδρομές οδηγώνVision Language Models Action For Robotics
Ερώτηση 1 του 8

Ποιοι τρεις τύποι εισόδου/εξόδου ορίζουν ένα μοντέλο Vision-Language-Action (VLA);

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιοι τρεις τύποι εισόδου/εξόδου ορίζουν ένα μοντέλο Vision-Language-Action (VLA);
    • Εικόνες κάμερας, οδηγίες γλώσσας και ενέργειες ρομπότ
    • Ήχος, κείμενο και εικόνες
    • Αρχεία καταγραφής αισθητήρων, GPS και κατάσταση μπαταρίας
    • Κώδικας, έξοδος μεταγλωττιστή και αποτελέσματα δοκιμής
  2. Πώς αντιπροσώπευε το Google RT-2 του DeepMind τις ενέργειες ρομπότ, ώστε ένας μετασχηματιστής να μπορεί να τις δημιουργήσει;
    • Μόνο ως διανύσματα συνεχούς κινητής υποδιαστολής
    • Ως διακριτικά διακριτικής ενέργειας, παρόμοια με τα διακριτικά κειμένου
    • Ως μήνυμα ROS XML
    • Ως αξίες ανταμοιβής για ενισχυτική μάθηση
  3. Τι σημαίνει «έκτακτη μεταφορά» στο πλαίσιο των VLA;
    • Το ρομπότ υπερθερμαίνεται και σβήνει
    • Δύο ρομπότ ανταλλάσσουν το λογισμικό τους
    • Η γνώση της κλίμακας Ιστού από την προεκπαίδευση βοηθά το ρομπότ να χειρίζεται νέα αντικείμενα και οδηγίες
    • Οι ενέργειες υπολογίζονται χωρίς κανένα νευρωνικό δίκτυο
  4. Ποιο είναι το βασικό πλεονέκτημα της κεφαλής δράσης διάχυσης/ταιριάσματος ροής του pi-0 σε σύγκριση με τα διακριτικά διακριτικά μεμονωμένων ενεργειών;
    • Καταργεί την ανάγκη για κάμερες
    • Λειτουργεί μόνο σε προσομοίωση
    • Καταργεί τη γλωσσική διδασκαλία
    • Δημιουργεί ομαλά κομμάτια δράσης υψηλής συχνότητας για πιο επιδέξιο έλεγχο
  5. Γιατί έχει σημασία το σύνολο δεδομένων Open X-Embodiment για VLA;
    • Συγκεντρώνει δεδομένα ρομπότ σε πολλούς τύπους ρομπότ για να επιτρέψει τη γενίκευση πολλαπλών ενσωματώσεων
    • Είναι ένα σημείο αναφοράς μόνο για τη δημιουργία λεζάντας εικόνων
    • Αποθηκεύει μόνο τα δεδομένα ενός ρομπότ
    • Είναι ένα σώμα κειμένου μόνο για γλώσσα
  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