Kuis terkait panduan · Sedang Tingkat
Kuis Model Bahasa Mengemudi LINGO Wayve
Tinjau bagaimana model LINGO Wayve menghubungkan video mengemudi, komentar bahasa alami, dan tindakan untuk penelitian mengemudi otonom.
Pertanyaan 1 dari 8
Apa kemampuan inti LINGO-1 yang ditambahkan ke sistem penggerak Wayve?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Apa kemampuan inti LINGO-1 yang ditambahkan ke sistem penggerak Wayve?
- Komentar dalam bahasa alami yang menjelaskan apa yang dilihat dan dilakukan mobil
- Peta definisi tinggi dari setiap kota
- Sistem pengereman mekanis cadangan
- Sensor lidar lebih cepat
- Bagaimana LINGO-2 melampaui LINGO-1?
- Ini menghilangkan kamera sepenuhnya
- Ini menghubungkan bahasa dengan tindakan mengemudi, sehingga dapat menjelaskan dan memberikan instruksi
- Ini hanya berfungsi di jalan raya
- Ini berjalan tanpa jaringan saraf apa pun
- Apa yang dimaksud dengan pendekatan 'end-to-end' Wayve?
- Mobil melaju dari satu ujung negara ke ujung lainnya
- Dua mobil terpisah melaju beriringan
- Jaringan saraf belajar mengemudi langsung dari data sensor, bukan aturan kode tangan
- Aturan mengemudi ditulis oleh pengacara
- Why does LINGO-2 generating both language and driving behavior from one model matter?
- It guarantees that every explanation is causally complete
- It removes the need to test the driving policy
- It proves the vehicle is safe in all conditions
- It links the commentary to the driving model’s outputs, while still requiring separate checks of explanation faithfulness
- Apa strategi bisnis Wayve untuk AI Driver-nya?
- Melisensikan model dasarnya 'AI Driver' kepada produsen mobil
- Membangun dan menjual mobil bermereknya sendiri
- Mengoperasikan aplikasi taksi saja
- Jual perangkat keras lidar
- Di mana kantor pusat Wayve?
- Detroit, AS
- London, Inggris
- Shenzhen, Tiongkok
- Munich, Jerman
- How does Wayve describe LINGO-2’s driving evaluation?
- As a text-only chatbot tested only on word puzzles
- As a simulator with no driving model
- As a closed-loop vision-language-action model tested on public roads
- As a lidar sensor tested in a laboratory
- What does the LingoQA benchmark evaluate?
- Speech-quality scoring for telephone codecs
- Music source separation
- Dependency parsing across languages
- Video question answering for autonomous-driving scenes