แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

โมเดลการมองเห็น-ภาษา-แอ็คชั่นสำหรับแบบทดสอบวิทยาการหุ่นยนต์

เรียนรู้ว่าโมเดลการมองเห็น ภาษา การกระทำ รวมการป้อนข้อมูลจากกล้องและคำแนะนำเข้ากับคำสั่งหุ่นยนต์ได้อย่างไร และหลักฐานเหล่านี้มาจากไหน

คำถาม 1 ของ 8

อินพุต/เอาท์พุตสามประเภทใดที่กำหนดโมเดล Vision-Language-Action (VLA)

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อินพุต/เอาท์พุตสามประเภทใดที่กำหนดโมเดล Vision-Language-Action (VLA)
    • รูปภาพจากกล้อง คำแนะนำภาษา และการทำงานของหุ่นยนต์
    • เสียง ข้อความ และรูปภาพ
    • บันทึกเซ็นเซอร์, GPS และสถานะแบตเตอรี่
    • โค้ด เอาต์พุตของคอมไพเลอร์ และผลการทดสอบ
  2. Google RT-2 ของ DeepMind เป็นตัวแทนการกระทำของหุ่นยนต์เพื่อที่หม้อแปลงไฟฟ้าจะสร้างการกระทำเหล่านี้ได้อย่างไร
    • เป็นเวกเตอร์จุดลอยตัวต่อเนื่องเท่านั้น
    • เป็นโทเค็นการดำเนินการแบบแยกส่วน คล้ายกับโทเค็นข้อความ
    • เป็นข้อความ ROS XML
    • เป็นรางวัลตอบแทนการเรียนรู้แบบเสริมกำลัง
  3. 'การโอนฉุกเฉิน' หมายถึงอะไรในบริบทของ VLA
    • หุ่นยนต์ร้อนเกินไปและปิดเครื่อง
    • หุ่นยนต์สองตัวสลับซอฟต์แวร์
    • ความรู้ระดับเว็บจากการฝึกอบรมล่วงหน้าช่วยให้หุ่นยนต์จัดการกับวัตถุและคำแนะนำใหม่ๆ
    • การดำเนินการต่างๆ จะถูกคำนวณโดยไม่มีโครงข่ายประสาทเทียมใดๆ
  4. อะไรคือข้อได้เปรียบที่สำคัญของหัวการดำเนินการแบบกระจาย/การจับคู่การไหลของ pi-0 เมื่อเปรียบเทียบกับโทเค็นการดำเนินการแบบแยกเดี่ยว
    • ทำให้ไม่จำเป็นต้องใช้กล้องใดๆ
    • มันใช้งานได้เฉพาะในการจำลองเท่านั้น
    • มันทำให้การสอนภาษาหายไป
    • สร้างชิ้นส่วนการเคลื่อนไหวความถี่สูงที่ราบรื่นเพื่อการควบคุมที่กระฉับกระเฉงยิ่งขึ้น
  5. เหตุใดชุดข้อมูล Open X-Embodiment จึงมีความสำคัญสำหรับ VLA
    • โดยรวบรวมข้อมูลหุ่นยนต์จากหุ่นยนต์หลายประเภทเพื่อให้สามารถสรุปข้อมูลทั่วไปข้ามรูปลักษณ์ได้
    • เป็นเกณฑ์มาตรฐานสำหรับคำบรรยายภาพเท่านั้น
    • มันเก็บข้อมูลของหุ่นยนต์เพียงตัวเดียวเท่านั้น
    • เป็นคลังข้อความเฉพาะภาษา
  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