Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Jövőkép-Nyelv-Cselekvési Modellek Robotics Kvízhez

Learn how vision-language-action models combine camera input and instructions with robot commands, and where their evidence comes from.

Kapcsolódó útmutató utakVision Language Action Models for Robotics
kérdés 1 -ból 8

Milyen három típusú bemenet/kimenet határozza meg a Vision-Language-Action (VLA) modellt?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen három típusú bemenet/kimenet határozza meg a Vision-Language-Action (VLA) modellt?
    • Kameraképek, nyelvi utasítás és robotműveletek
    • Hang, szöveg és képek
    • Érzékelőnaplók, GPS és akkumulátor állapot
    • Kód, fordító kimenet és teszteredmények
  2. Hogyan ábrázolta a Google DeepMind RT-2 robotműveleteit, hogy egy transzformátor generálhassa azokat?
    • Csak folytonos lebegőpontos vektorokként
    • Diskretizált cselekvési jelzőként, hasonlóan a szöveges tokenekhez
    • ROS üzenetként XML
    • Jutalomként a megerősítő tanulásért
  3. Mit jelent az „emergent transfer” a VLA-k összefüggésében?
    • A robot túlmelegszik és leáll
    • Két robot felcseréli a szoftverét
    • Az előképzésből származó webes szintű tudás segíti a robotot az újszerű objektumok és utasítások kezelésében
    • A műveletek számítása neurális hálózat nélkül történik
  4. Mi a fő előnye a pi-0 diffúziós/áramlás-illesztő akciófejének az egyedi diszkrét akciójelzőkkel szemben?
    • Nincs szükség kamerákra
    • Csak szimulációban működik
    • Megszünteti a nyelvi oktatást
    • Sima, magas frekvenciájú akciódarabokat generál az ügyesebb irányítás érdekében
  5. Miért számít az Open X-Embodiment adatkészlet a VLA-k számára?
    • Összegyűjti a robotadatokat számos robottípuson keresztül, hogy lehetővé tegye a megvalósítások közötti általánosítást
    • Ez csak a képaláírások viszonyítási alapja
    • Csak egy robot adatait tárolja
    • Ez egy csak nyelvi szövegkorpusz
  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