Kuis Pembelajaran Imitasi

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. In imitation learning, how does an agent acquire its behavior?
   • Mempelajari kebijakan dengan meniru demonstrasi para ahli
   • Memaksimalkan hadiah rancangan tangan melalui eksplorasi acak
   • Mengompresi jaringan saraf untuk dijalankan pada perangkat kecil
   • Menghasilkan gambar dari petunjuk teks
2. Kloning perilaku membingkai pembelajaran imitasi sebagai masalah apa?
   • Pengelompokan tanpa pengawasan
   • Pembelajaran pemetaan state-to-action yang diawasi
   • Generasi yang bermusuhan
   • Pembentukan hadiah
3. Masalah apa yang menyebabkan kloning perilaku gagal dalam rangkaian tindakan yang panjang?
   • Overfitting ke fungsi hadiah
   • Hilangnya gradien di encoder
   • Kesalahan peracikan dari pergeseran distribusi
   • Lupa akan kelas-kelas lama merupakan sebuah bencana
4. Bagaimana algoritma DAgger mengatasi kelemahan tersebut?
   • Dengan menghapus pakar dari loop sepenuhnya
   • Dengan meningkatkan faktor diskon
   • Dengan menambahkan kebisingan acak ke semua tindakan
   • Dengan menanyakan pakar di negara bagian, pelajar benar-benar mengunjungi dan mengumpulkan data tersebut
5. Mengapa pembelajaran imitasi sering kali lebih disukai daripada pembelajaran penguatan untuk tugas-tugas seperti mengemudi?
   • Demonstrasi lebih mudah dilakukan dibandingkan fungsi penghargaan yang benar
   • Ini menjamin perilaku optimal
   • Itu tidak membutuhkan data apa pun
   • Ini berjalan lebih cepat hanya pada inferensi
6. What is a realistic limitation of behavioral cloning when the agent reaches states outside the demonstrations?
   • It is guaranteed to improve beyond the expert
   • Its behavior is not guaranteed there because those states may be out of distribution
   • It can only produce random actions
   • It automatically queries an expert at every step
7. In one DAgger iteration, what does the learner do before requesting expert labels?
   • Deletes all earlier demonstrations
   • Trains only on randomly generated labels
   • Rolls out its current policy and records the states it actually visits
   • Replaces the expert policy permanently
8. After the expert labels the states visited by the current policy, what happens to that data?
   • It is used only as an evaluation metric
   • It replaces the original observation space
   • It is discarded after one gradient step
   • It is aggregated with previous labeled data for retraining