Quiz collegato alla guida · Medio Livello

Quiz sull'apprendimento per imitazione

Controlla la clonazione comportamentale, lo spostamento della distribuzione, le dimostrazioni di esperti, l'aggregazione dei dati di DAgger e le limitazioni al di fuori degli stati osservati.

Percorsi guida correlatiApprendimento per imitazione
Domanda 1 di 8

Nell’apprendimento per imitazione, come fa un agente ad acquisire il proprio comportamento?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Nell’apprendimento per imitazione, come fa un agente ad acquisire il proprio comportamento?
    • Imparare una politica copiando le dimostrazioni degli esperti
    • Massimizzare una ricompensa progettata manualmente attraverso l'esplorazione casuale
    • Compressione di una rete neurale per l'esecuzione su piccoli dispositivi
    • Generazione di immagini da istruzioni di testo
  2. Quale tipo di problema è rappresentato dalla clonazione comportamentale che inquadra l'apprendimento per imitazione?
    • Cluster non supervisionato
    • Apprendimento supervisionato delle mappature stato-azione
    • Generazione avversaria
    • Definizione della ricompensa
  3. Quale problema causa il fallimento della clonazione comportamentale durante sequenze di azioni lunghe?
    • Adattamento eccessivo alla funzione di ricompensa
    • Gradienti evanescenti nel codificatore
    • Errore cumulativo derivante dallo spostamento della distribuzione
    • Dimenticamento catastrofico delle vecchie classi
  4. In che modo l’algoritmo DAgger affronta questa debolezza?
    • Rimuovendo completamente l'esperto dal ciclo
    • Aumentando il fattore di sconto
    • Aggiungendo rumore casuale a tutte le azioni
    • Interrogando l'esperto sugli stati che lo studente effettivamente visita e aggregando tali dati
  5. Perché l’apprendimento per imitazione è spesso preferito all’apprendimento per rinforzo per attività come la guida?
    • Le dimostrazioni sono più facili da fornire rispetto a una corretta funzione di ricompensa
    • Garantisce un comportamento ottimale
    • Non ha mai bisogno di dati
    • Funziona più velocemente solo in inferenza
  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