Quiz dotyczący kowariantnych modeli fundamentów robotów

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jak nazywał się model fundamentowy Covariant wprowadzony w 2024 roku?
   • RFM-1
   • GPT-4
   • Helix
   • RT-X
2. What did Amazon’s 2024 commercial agreement with Covariant include?
   • A purchase of every Covariant customer contract
   • A non-exclusive license to Covariant’s models and hiring several founders and employees
   • A ban on Covariant serving other customers
   • An agreement to manufacture consumer phones
3. Jaką podstawową ideę RFM-1 zapożycza z dużych modeli językowych?
   • Przechowywanie stałej tabeli przeglądowej każdego obiektu
   • Używanie wyłącznie odręcznych zasad dla każdego przedmiotu
   • Przewidywanie następnego tokenu dla wielu typów danych w celu uogólnienia
   • Renderowanie animacji 3D chwytów
4. What was RFM-1 designed to help warehouse robots do?
   • Replace all warehouse workers
   • Drive passenger cars on highways
   • Render 3D animation frames
   • Handle picking tasks involving varied or unfamiliar items
5. Kim byli najwybitniejsi założyciele Covariant?
   • Pietera Abbeela i Petera Chena
   • Sam Brett Adcock
   • Marka Raiberta
   • Demisa Hassabisa
6. Co to znaczy, że RFM-1 jest „multimodalny”?
   • Może przetwarzać tylko tekst
   • Uczy się na podstawie kilku typów danych, takich jak tekst, obrazy, wideo i działania robotów
   • Działa na wielu robotach, ale tylko na jednym zadaniu
   • Wykorzystuje wiele oddzielnych modeli sklejonych ze sobą w czasie wykonywania
7. What physical prediction capability did Covariant describe for RFM-1?
   • Translating warehouse signs into music
   • Measuring human speech quality
   • Generating video predictions of how objects may respond to robot actions
   • Rendering a scene from a NeRF
8. How many parameters did Covariant report for RFM-1?
   • Eight million
   • Eight trillion
   • Eighty thousand
   • Eight billion