Quiz collegato alla guida · Medio Livello
Modelli visione-linguaggio-azione per quiz sulla robotica
Scopri come i modelli visione-linguaggio-azione combinano input e istruzioni della telecamera con i comandi del robot e da dove provengono le loro prove.
Domanda 1 di 8
Quali tre tipi di input/output definiscono un modello Vision-Language-Action (VLA)?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quali tre tipi di input/output definiscono un modello Vision-Language-Action (VLA)?
- Immagini della fotocamera, istruzioni linguistiche e azioni del robot
- Audio, testo e immagini
- Registri dei sensori, GPS e stato della batteria
- Codice, output del compilatore e risultati dei test
- In che modo RT-2 di Google DeepMind ha rappresentato le azioni del robot in modo che un trasformatore potesse generarle?
- Solo come vettori continui in virgola mobile
- Come token di azione discretizzati, simili ai token di testo
- Come messaggio ROS XML
- Come valori di ricompensa per l'apprendimento per rinforzo
- Cosa significa "trasferimento emergente" nel contesto dei VLA?
- Il robot si surriscalda e si spegne
- Due robot si scambiano il software
- La conoscenza su scala web derivante dalla formazione preliminare aiuta il robot a gestire nuovi oggetti e istruzioni
- Le azioni vengono calcolate senza alcuna rete neurale
- Qual è un vantaggio chiave della testa d'azione di diffusione/corrispondenza del flusso di pi-0 rispetto ai singoli token di azione discreti?
- Elimina la necessità di qualsiasi fotocamera
- Funziona solo in simulazione
- Elimina l'insegnamento della lingua
- Genera blocchi d'azione fluidi e ad alta frequenza per un controllo più abile
- Perché il set di dati Open X-Embodiment è importante per i VLA?
- Mette in comune i dati dei robot di molti tipi di robot per consentire la generalizzazione tra incarnazioni
- È un punto di riferimento solo per i sottotitoli delle immagini
- Memorizza i dati di un solo robot
- È un corpus testuale di sola lingua
- Quali fonti di dati ha combinato DeepMind durante la co-ottimizzazione di RT-2?
- Solo un elenco fisso di comandi congiunti scritti a mano
- Dati dimostrativi del robot e dati Web con un modello di linguaggio visivo preaddestrato
- Solo registrazioni audio senza osservazioni di robot
- Solo segnalini azione casuali senza esempi
- Che tipo di comandi può codificare una rappresentazione di azione in stile RT-2?
- Solo spiegazioni in linguaggio naturale senza controlli del robot
- Una didascalia video fissa per ogni fotogramma della telecamera
- Comandi discretizzati di movimento e pinza del robot rappresentati come token
- Il numero di serie dell'hardware di un robot
- Quanto è stata ampia la valutazione RT-2 delle capacità emergenti riportata da Google DeepMind?
- Esattamente 12 prove
- Una prova per ogni tipo di robot in tutto il mondo
- Nessuna sperimentazione fisica sui robot
- Oltre 6.000 sperimentazioni robotiche