ロボット制御クイズの普及方針

クイズに答えると、答えと解説が表示されます。

1. 拡散ポリシーは各決定点で何を生成しますか?
   • 今後のアクションの短いシーケンス (チャンク)
   • 単一の瞬時モーターコマンド
   • 自然言語による説明
   • トレーニングに対する報酬信号
2. Diffusion Policy は画像 AI からどの生成技術を借用していますか?
   • 手動ピクセルペイント
   • ランダムノイズの反復ノイズ除去
   • 遺伝的アルゴリズム
   • ディシジョンツリー
3. How can a generative action policy represent a task with several valid solutions?
   • It must choose the same fixed action for every observation
   • It removes the need for demonstrations or action data
   • It can model multiple plausible action sequences instead of regressing to their average
   • It guarantees higher success than every older controller
4. トレーニング中に、拡散ポリシーのネットワークは何を予測するように教えられますか?
   • 文内の次の単語
   • ロボットのバッテリー残量
   • カメラの露出設定
   • デモされたアクションシーケンスに追加されたノイズ
5. 拡散政策における「後退地平線」再計画とは何ですか?
   • アクションチャンクを予測し、それを完了する前に新たな観察に基づいて再計画する
   • ロボットを一度だけ実行して停止する
   • すべてのセンサー入力を無視する
   • デモンストレーションを行わないトレーニング
6. Which architecture did the Diffusion Policy paper introduce for modeling temporal action sequences?
   • A static image classifier with no temporal model
   • A time-series diffusion transformer
   • A text-only recurrent language model
   • A fixed lookup table of robot motions
7. What observations can condition a visuomotor Diffusion Policy?
   • Only a text prompt, with no robot or scene data
   • The names of the training researchers
   • Visual observations and the robot’s state
   • A future action sequence labeled as correct at inference time
8. How broad was the Diffusion Policy paper’s benchmark evaluation?
   • One task on a single robot benchmark
   • Hundreds of tasks across every robot platform
   • Only simulations with no manipulation tasks
   • Twelve tasks across four robot-manipulation benchmarks