引导式测验 · 中等 等级

机器人控制测验的扩散政策

了解扩散策略如何对视觉运动控制的动作序列进行降噪，并在执行过程中根据新的观察结果重新规划。

相关引导路径机器人控制的扩散策略
问题 1 的 8

扩散策略在每个决策点会生成什么？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 扩散策略在每个决策点会生成什么？
    • 未来行动的短序列（块）
    • 单个瞬时电机指令
    • 自然语言解释
    • 训练的奖励信号
  2. 扩散策略借鉴了图像人工智能的哪种生成技术？
    • 手动像素绘画
    • 随机噪声的迭代去噪
    • 遗传算法
    • 决策树
  3. 生成行动策略如何表示具有多个有效解决方案的任务？
    • 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. 在训练过程中，扩散策略中的网络要预测什么？
    • 句子中的下一个单词
    • 机器人的电池电量
    • 相机的曝光设置
    • 添加到演示动作序列中的噪音
  5. 什么是扩散政策中的“后退视野”重新规划？
    • 预测一个动作块，但在完成之前用新的观察结果重新规划
    • 仅运行机器人一次然后停止
    • 忽略所有传感器输入
    • 无需演示的培训
  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