Політика розповсюдження для вікторини керування роботами

Відповіді та пояснення з’являються під час виконання тесту.

1. Що створює політика розповсюдження в кожній точці прийняття рішення?
   • Коротка послідовність (фрагмент) майбутніх дій
   • Одна миттєва команда двигуна
   • Пояснення природною мовою
   • Сигнал винагороди за навчання
2. Яку генеративну техніку Diffusion Policy запозичує зі штучного інтелекту зображення?
   • Піксельне малювання вручну
   • Ітераційне зменшення шуму випадкового шуму
   • Генетичні алгоритми
   • Дерева рішень
3. How can a generative action policy represent a task with several valid solutions?
   • It must choose the same fixed action for every observation
   • It removes the need for demonstrations or action data
   • It can model multiple plausible action sequences instead of regressing to their average
   • It guarantees higher success than every older controller
4. Під час навчання, що вчать передбачати мережу в політиці поширення?
   • Наступне слово в реченні
   • Рівень заряду батареї робота
   • Налаштування експозиції камери
   • Шум, доданий до демонстрованої послідовності дій
5. Що таке перепланування «знизу горизонту» в політиці розповсюдження?
   • Прогнозування фрагмента дії, але перепланування з урахуванням нових спостережень, перш ніж завершити його
   • Запуск робота лише один раз, а потім зупинка
   • Ігнорування всіх вхідних даних датчика
   • Тренування без демонстрацій
6. Which architecture did the Diffusion Policy paper introduce for modeling temporal action sequences?
   • A static image classifier with no temporal model
   • A time-series diffusion transformer
   • A text-only recurrent language model
   • A fixed lookup table of robot motions
7. What observations can condition a visuomotor Diffusion Policy?
   • Only a text prompt, with no robot or scene data
   • The names of the training researchers
   • Visual observations and the robot’s state
   • A future action sequence labeled as correct at inference time
8. How broad was the Diffusion Policy paper’s benchmark evaluation?
   • One task on a single robot benchmark
   • Hundreds of tasks across every robot platform
   • Only simulations with no manipulation tasks
   • Twelve tasks across four robot-manipulation benchmarks