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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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