Quiz sur les modèles mondiaux et les simulateurs appris

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Quelle est la tâche principale d’un modèle mondial ?
   • Prédire comment l’environnement change en fonction d’un état et d’une action
   • Pour étiqueter des images avec des catégories
   • Pour compresser du texte en intégrations
   • Pour acheminer les paquets réseau
2. Dans l'expérience DoomTakeCover de World Models de 2018, où le contrôleur a-t-il été entraîné ?
   • Uniquement sur du vrai matériel
   • À l’intérieur du « rêve » appris du modèle sur l’environnement
   • Sur un cluster de robots de cloud public
   • Utiliser uniquement les données linguistiques
3. Quel exploit notable le DreamerV3 de DeepMind a-t-il réalisé ?
   • Écrire un roman
   • Traduire 100 langues
   • Collecting diamonds in Minecraft using policy learning from imagined trajectories
   • Concevoir une puce électronique
4. Que fait le Génie de Google ?
   • Compresse les vidéos pour le streaming
   • Trie les résultats de la recherche
   • Forme des professeurs de langues
   • Génère des mondes 2D contrôlables et jouables à partir d'images et de vidéos non étiquetées
5. Comment de nombreux modèles mondiaux permettent-ils de résoudre le problème de prédiction pour des entrées de grande dimension telles que des images ?
   • Ils codent les observations dans un état latent compact et prédisent dans cet espace
   • Ils ignorent complètement les images
   • Ils utilisent uniquement l'audio
   • Ils stockent chaque image brute pour toujours
6. 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
7. 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
8. 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