세계 모델 및 학습된 시뮬레이터 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 월드모델의 핵심업무는 무엇인가요?
   • 주어진 상태와 행동에 따라 환경이 어떻게 변하는지 예측하기 위해
   • 카테고리로 이미지에 라벨을 지정하려면
   • 텍스트를 임베딩으로 압축하려면
   • 네트워크 패킷을 라우팅하려면
2. In the 2018 World Models DoomTakeCover experiment, where was the controller trained?
   • 실제 하드웨어에서만
   • 모델이 스스로 학습한 환경의 '꿈' 내부
   • 공용 클라우드 로봇 클러스터에서
   • 언어 데이터만 사용
3. DeepMind의 DreamerV3는 어떤 주목할만한 성과를 거두었습니까?
   • 소설 쓰기
   • 100개 언어 번역
   • Collecting diamonds in Minecraft using policy learning from imagined trajectories
   • 마이크로칩 설계
4. Google의 지니는 무엇을 하나요?
   • 스트리밍을 위해 비디오를 압축합니다.
   • 검색 결과를 정렬합니다
   • 언어 교사 양성
   • 이미지와 레이블이 지정되지 않은 비디오에서 제어 가능하고 재생 가능한 2D 세계를 생성합니다.
5. 많은 세계 모델은 어떻게 이미지와 같은 고차원 입력에 대한 예측 문제를 다루기 쉽게 유지합니까?
   • 관찰 내용을 압축된 잠재 상태로 인코딩하고 해당 공간에서 예측합니다.
   • 그들은 이미지를 완전히 무시합니다
   • 오디오만 사용합니다.
   • 그들은 모든 원시 프레임을 영원히 저장합니다
6. What is a potential motivation for using a world model in robotics?
   • Guarantee every simulated action is safe to deploy
   • Explore candidate actions in learned dynamics with fewer real-world interactions, while validating model accuracy
   • Avoid testing the model against any real observations
   • Prove a visually realistic frame is physically accurate
7. What techniques did DreamerV3 report for improving learning stability across diverse domains?
   • A fixed image resize and no reward modeling
   • A hand-written controller for every game
   • Normalization, balancing, and transformations
   • Removing all state observations from training
8. Why does visually plausible output from a learned simulator not by itself prove accurate dynamics?
   • Visual models cannot process actions
   • Every rendered image is a ground-truth sensor measurement
   • Plausibility guarantees accurate forces and collisions
   • A realistic-looking frame may still depict incorrect physical state changes