Test legat de ghid · Mediu Nivel

Viziune-Limbaj-Acțiune Modele pentru Robotică Test

Learn how vision-language-action models combine camera input and instructions with robot commands, and where their evidence comes from.

Căi de ghidare aferenteModele de acțiune în limbajul viziunii pentru robotică
Întrebare 1 de 8

Ce trei tipuri de intrare/ieșire definesc un model Vision-Language-Action (VLA)?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Ce trei tipuri de intrare/ieșire definesc un model Vision-Language-Action (VLA)?
    • Imagini ale camerei, instrucțiuni de limbă și acțiuni ale robotului
    • Audio, text și imagini
    • Jurnalele senzorilor, GPS-ul și starea bateriei
    • Cod, rezultate ale compilatorului și rezultate ale testelor
  2. Cum a reprezentat Google RT-2 de la DeepMind acțiunile robotului, astfel încât un transformator să le poată genera?
    • Numai ca vectori continui în virgulă mobilă
    • Ca jetoane de acțiune discretizate, similare jetoanelor text
    • Ca mesaj ROS XML
    • Ca valori de recompensă pentru învățare prin întărire
  3. Ce înseamnă „transfer emergent” în contextul VLA-urilor?
    • Robotul se supraîncălzi și se oprește
    • Doi roboți își schimbă software-ul
    • Cunoștințele la scară web de la preformare ajută robotul să gestioneze obiecte și instrucțiuni noi
    • Acțiunile sunt calculate fără nicio rețea neuronală
  4. Care este un avantaj cheie al capului de acțiune de potrivire a difuziei/fluxului lui pi-0 în comparație cu jetoanele de acțiune discretă unice?
    • Îndepărtează necesitatea oricăror camere
    • Funcționează doar în simulare
    • Elimină predarea limbii
    • Acesta generează bucăți de acțiune netede, de înaltă frecvență, pentru un control mai dexter
  5. De ce contează setul de date Open X-Embodiment pentru VLA-uri?
    • Reunește datele robotului în mai multe tipuri de roboți pentru a permite generalizarea încrucișării
    • Este un etalon de referință doar pentru subtitrărea imaginilor
    • Stochează doar datele unui robot
    • Este un corpus de text exclusiv în limbaj
  6. Which data sources did DeepMind combine when co-fine-tuning RT-2?
    • Only a fixed list of hand-written joint commands
    • Robot demonstration data and web data with a pretrained vision-language model
    • Only audio recordings without robot observations
    • Only random action tokens with no examples
  7. What kinds of commands can an RT-2-style action representation encode?
    • Only natural-language explanations with no robot controls
    • A fixed video caption for each camera frame
    • Discretized robot motion and gripper commands represented as tokens
    • A robot’s hardware serial number
  8. How broad was the RT-2 evaluation of emergent capabilities reported by Google DeepMind?
    • Exactly 12 trials
    • One trial for every robot type worldwide
    • No physical robot trials
    • More than 6,000 robotic trials