Gids-gekoppelde quiz · Middelmatig Niveau

Wereldmodellen en geleerde simulatorsquiz

Ontdek hoe wereldmodellen veranderingen in de omgeving voorspellen, planning in denkbeeldige toestanden ondersteunen en interactieve gesimuleerde ervaringen genereren.

Vraag 1 van 8

Wat is de kerntaak van een wereldmodel?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is de kerntaak van een wereldmodel?
    • Om te voorspellen hoe de omgeving verandert, gegeven een toestand en actie
    • Om afbeeldingen te labelen met categorieën
    • Om tekst in insluitingen te comprimeren
    • Om netwerkpakketten te routeren
  2. In the 2018 World Models DoomTakeCover experiment, where was the controller trained?
    • Alleen op echte hardware
    • Binnen de eigen aangeleerde 'droom' van het model over de omgeving
    • Op een publiek cloudcluster van robots
    • Alleen taalgegevens gebruiken
  3. Welke opmerkelijke prestatie heeft DeepMind's DreamerV3 bereikt?
    • Een roman schrijven
    • 100 talen vertalen
    • Collecting diamonds in Minecraft using policy learning from imagined trajectories
    • Het ontwerpen van een microchip
  4. Wat doet de geest van Google?
    • Comprimeert video's voor streaming
    • Sorteert zoekresultaten
    • Traint taaldocenten
    • Genereert bestuurbare, speelbare 2D-werelden op basis van afbeeldingen en ongelabelde video
  5. Hoe houden veel wereldmodellen het voorspellingsprobleem hanteerbaar voor hoogdimensionale input zoals afbeeldingen?
    • Ze coderen waarnemingen in een compacte latente toestand en voorspellen in die ruimte
    • Ze negeren de beelden volledig
    • Ze gebruiken alleen audio
    • Ze bewaren elk onbewerkt frame voor altijd
  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