{ "slug": "class-08-embodied", "title": "第八课 · 具身智能", "subtitle": "第8课 · 具身 · 班级测验整理", "sourceFiles": [ "docs/class_quiz/08-具身智能.md" ], "essenceTopicIds": [ "topic-9" ], "topics": { "covered": [ "具身感知-行动回路", "仿真到真机鸿沟" ], "followUp": [ "机器人安全与人类意图对齐" ] }, "totalQuestions": 10, "quiz": [ { "id": "class-08-embodied-q1", "number": 1, "kind": "single", "question": "具身智能的“三要素”是什么?", "hint": "选项B准确概括了这一内涵。…（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q1-A", "text": "感知、决策、执行", "isCorrect": false, "rationale": "感知、决策、执行侧重的是另一个机制或层级：与材料中强调的「具身智能的」「三要素」不一致；解析核心是「文档第7页明确指出:“具身智能指依靠物理实体与环境交互实现智能增长的人工智能系统”，并强调其核心为“有物理身体的智能体通过与物理环境交互而持续获得智能”。选项B准确概括了这一内涵。」，因此更合适的是 B（物理实体、环境交互、智能增长）。" }, { "id": "class-08-embodied-q1-B", "text": "物理实体、环境交互、智能增长", "isCorrect": true, "rationale": "文档第7页明确指出:“具身智能指依靠物理实体与环境交互实现智能增长的人工智能系统”，并强调其核心为“有物理身体的智能体通过与物理环境交互而持续获得智能”。选项B准确概括了这一内涵。" }, { "id": "class-08-embodied-q1-C", "text": "传感器、执行器、算法模型", "isCorrect": false, "rationale": "易混点往往在概念边界：此处 传感器、执行器、算法模型会引入多余假设或跳过关键前提；请以「文档第7页明确指出:“具身智能指依靠物理实体与环境交互实现智能增长的人工智能系统”，并强调其核心为“有物理身体的智能体通过与物理环境交互而持续获得智能”。选项B准确概括了这一内涵。」为轴对照 B。" }, { "id": "class-08-embodied-q1-D", "text": "视觉、语言、动作", "isCorrect": false, "rationale": "视觉、语言、动作更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「具身智能的」「三要素」不一致。请以解析「文档第7页明确指出:“具身智能指依靠物理实体与环境交互实现智能增长的人工智能系统”，并强调其核心为“有物理身体的智能体通过与物理环境交互而持续获得智能”。选项B准确概括了这一内涵。」锁定 B。" } ], "sourceSnippet": "文档第7页明确指出:“具身智能指依靠物理实体与环境交互实现智能增长的人工智能系统”，并强调其核心为“有物理身体的智能体通过与物理环境交互而持续获得智能”。选项B准确概括了这一内涵。" }, { "id": "class-08-embodied-q2", "number": 2, "kind": "single", "question": "与传统“离身智能”(如ChatGPT)相比，具身智能最显著的区别是:", "hint": "因此B正确。…（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q2-A", "text": "使用更大的训练数据集", "isCorrect": false, "rationale": "使用更大的训练数据集侧重的是另一个机制或层级：与材料中强调的「与传统」「离身智能」不一致；解析核心是「文档第7页对比表格显示:离身智能“无实体、纯软件算法”，而具身智能“有实体、与物理硬件结合”，并通过传感器和执行器与环境交互。因此B正确。」，因此更合适的是 B（具备物理实体并能与环境交互）。" }, { "id": "class-08-embodied-q2-B", "text": "具备物理实体并能与环境交互", "isCorrect": true, "rationale": "文档第7页对比表格显示:离身智能“无实体、纯软件算法”，而具身智能“有实体、与物理硬件结合”，并通过传感器和执行器与环境交互。因此B正确。" }, { "id": "class-08-embodied-q2-C", "text": "只能处理文本信息", "isCorrect": false, "rationale": "易混点往往在概念边界：此处 只能处理文本信息会引入多余假设或跳过关键前提；请以「文档第7页对比表格显示:离身智能“无实体、纯软件算法”，而具身智能“有实体、与物理硬件结合”，并通过传感器和执行器与环境交互。因此B正确。」为轴对照 B。" }, { "id": "class-08-embodied-q2-D", "text": "不需要深度学习技术", "isCorrect": false, "rationale": "不需要深度学习技术更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「与传统」「离身智能」不一致。请以解析「文档第7页对比表格显示:离身智能“无实体、纯软件算法”，而具身智能“有实体、与物理硬件结合”，并通过传感器和执行器与环境交互。因此B正确。」锁定 B。" } ], "sourceSnippet": "文档第7页对比表格显示:离身智能“无实体、纯软件算法”，而具身智能“有实体、与物理硬件结合”，并通过传感器和执行器与环境交互。因此B正确。" }, { "id": "class-08-embodied-q3", "number": 3, "kind": "single", "question": "2025年，哪个国家层级的文件首次将“具身智能”写入其中?", "hint": "同时配图展示了报告原文。…（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q3-A", "text": "《“十四五”机器人产业发展规划》", "isCorrect": false, "rationale": "《“十四五”机器人产业发展规划》侧重的是另一个机制或层级：与材料中强调的「哪个国家层级的文件首次将」「具身智能」不一致；解析核心是「文档第3页明确指出:“2025年‘具身智能’首次被写入《政府工作报告》并作为‘十五五规划’的重要内容”。同时配图展示了报告原文。」，因此更合适的是 B（《政府工作报告》）。" }, { "id": "class-08-embodied-q3-B", "text": "《政府工作报告》", "isCorrect": true, "rationale": "文档第3页明确指出:“2025年‘具身智能’首次被写入《政府工作报告》并作为‘十五五规划’的重要内容”。同时配图展示了报告原文。" }, { "id": "class-08-embodied-q3-C", "text": "《新一代人工智能发展规划》", "isCorrect": false, "rationale": "易混点往往在概念边界：此处 《新一代人工智能发展规划》会引入多余假设或跳过关键前提；请以「文档第3页明确指出:“2025年‘具身智能’首次被写入《政府工作报告》并作为‘十五五规划’的重要内容”。同时配图展示了报告原文。」为轴对照 B。" }, { "id": "class-08-embodied-q3-D", "text": "《关于加快场景创新促进人工智能应用的通知》", "isCorrect": false, "rationale": "《关于加快场景创新促进人工智能应用的通知》更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「哪个国家层级的文件首次将」「具身智能」不一致。请以解析「文档第3页明确指出:“2025年‘具身智能’首次被写入《政府工作报告》并作为‘十五五规划’的重要内容”。同时配图展示了报告原文。」锁定 B。" } ], "sourceSnippet": "文档第3页明确指出:“2025年‘具身智能’首次被写入《政府工作报告》并作为‘十五五规划’的重要内容”。同时配图展示了报告原文。" }, { "id": "class-08-embodied-q4", "number": 4, "kind": "single", "question": "在自动驾驶技术路线中，特斯拉FSD采用的方案属于:", "hint": "”因此选B。…（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q4-A", "text": "多传感器融合方案", "isCorrect": false, "rationale": "多传感器融合方案侧重的是另一个机制或层级：与材料中强调的「在自动驾驶技术路线中」「特斯拉」不一致；解析核心是「文档第11页描述:“特斯拉采用完全自动驾驶(FSD)纯视觉方案，无需成本较贵的激光雷达，端到端训练直接从图像到控制指令。”因此选B。」，因此更合适的是 B（纯视觉端到端方案）。" }, { "id": "class-08-embodied-q4-B", "text": "纯视觉端到端方案", "isCorrect": true, "rationale": "文档第11页描述:“特斯拉采用完全自动驾驶(FSD)纯视觉方案，无需成本较贵的激光雷达，端到端训练直接从图像到控制指令。”因此选B。" }, { "id": "class-08-embodied-q4-C", "text": "视觉-语言-动作模型方案", "isCorrect": false, "rationale": "易混点往往在概念边界：此处 视觉-语言-动作模型方案会引入多余假设或跳过关键前提；请以「文档第11页描述:“特斯拉采用完全自动驾驶(FSD)纯视觉方案，无需成本较贵的激光雷达，端到端训练直接从图像到控制指令。”因此选B。」为轴对照 B。" }, { "id": "class-08-embodied-q4-D", "text": "世界模型方案", "isCorrect": false, "rationale": "世界模型方案更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「在自动驾驶技术路线中」「特斯拉」不一致。请以解析「文档第11页描述:“特斯拉采用完全自动驾驶(FSD)纯视觉方案，无需成本较贵的激光雷达，端到端训练直接从图像到控制指令。”因此选B。」锁定 B。" } ], "sourceSnippet": "文档第11页描述:“特斯拉采用完全自动驾驶(FSD)纯视觉方案，无需成本较贵的激光雷达，端到端训练直接从图像到控制指令。”因此选B。" }, { "id": "class-08-embodied-q5", "number": 5, "kind": "single", "question": "以下哪一项是当前具身智能面临的核心挑战之一?", "hint": "其他选项与文档所述挑战不符。…（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q5-A", "text": "硬件成本过高", "isCorrect": false, "rationale": "硬件成本过高侧重的是另一个机制或层级：与材料中强调的「文档第」「页专门讨论」不一致；解析核心是「文档第26页专门讨论“具身智能的跨域泛化能力欠缺”，指出“环境稍有变化，原策略就难以适用”“不同场景下的动力学差异会导致策略失效”等。其他选项与文档所述挑战不符。」，因此更合适的是 B（跨域泛化能力欠缺）。" }, { "id": "class-08-embodied-q5-B", "text": "跨域泛化能力欠缺", "isCorrect": true, "rationale": "文档第26页专门讨论“具身智能的跨域泛化能力欠缺”，指出“环境稍有变化，原策略就难以适用”“不同场景下的动力学差异会导致策略失效”等。其他选项与文档所述挑战不符。" }, { "id": "class-08-embodied-q5-C", "text": "缺少开源数据集", "isCorrect": false, "rationale": "易混点往往在概念边界：此处 缺少开源数据集会引入多余假设或跳过关键前提；请以「文档第26页专门讨论“具身智能的跨域泛化能力欠缺”，指出“环境稍有变化，原策略就难以适用”“不同场景下的动力学差异会导致策略失效”等。其他选项与文档所述挑战不符。」为轴对照 B。" }, { "id": "class-08-embodied-q5-D", "text": "政府政策不支持", "isCorrect": false, "rationale": "政府政策不支持更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「文档第」「页专门讨论」不一致。请以解析「文档第26页专门讨论“具身智能的跨域泛化能力欠缺”，指出“环境稍有变化，原策略就难以适用”“不同场景下的动力学差异会导致策略失效”等。其他选项与文档所述挑战不符。」锁定 B。" } ], "sourceSnippet": "文档第26页专门讨论“具身智能的跨域泛化能力欠缺”，指出“环境稍有变化，原策略就难以适用”“不同场景下的动力学差异会导致策略失效”等。其他选项与文档所述挑战不符。" }, { "id": "class-08-embodied-q6", "number": 6, "kind": "single", "question": "“具身智能”最核心的定义特征是?", "hint": "A选项描述的是大模型特征，非具身智能特有;C选项过于狭隘;D选项强调离线大数据推理，恰恰是传统离身智能的特点。因此B最准确。…（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q6-A", "text": "拥有超大参数规模的深度学习模型", "isCorrect": false, "rationale": "拥有超大参数规模的深度学习模型侧重的是另一个机制或层级：与材料中强调的「具身智能」「最核心的定义特征是」不一致；解析核心是「具身智能(Embodied AI)的核心在于“具身”二字，即智能体必须拥有物理实体，并通过该实体与真实环境进行实时交互，在交互过程中持续学习、适应并提升智能水平。A选项描述的是大模型特征，非具身智能特有;C选项过于狭隘;D选项强调离线大数据推理，恰恰是传统离身智能的特点。因此B最准确。」，因此更合适的是 B（能够通过物理实体与环境交互并实现智能增长）。" }, { "id": "class-08-embodied-q6-B", "text": "能够通过物理实体与环境交互并实现智能增长", "isCorrect": true, "rationale": "具身智能(Embodied AI)的核心在于“具身”二字，即智能体必须拥有物理实体，并通过该实体与真实环境进行实时交互，在交互过程中持续学习、适应并提升智能水平。A选项描述的是大模型特征，非具身智能特有;C选项过于狭隘;D选项强调离线大数据推理，恰恰是传统离身智能的特点。因此B最准确。" }, { "id": "class-08-embodied-q6-C", "text": "具备与人类完全相同的面部表情和语言能力", "isCorrect": false, "rationale": "易混点往往在概念边界：此处 具备与人类完全相同的面部表情和语言能力会引入多余假设或跳过关键前提；请以「具身智能(Embodied AI)的核心在于“具身”二字，即智能体必须拥有物理实体，并通过该实体与真实环境进行实时交互，在交互过程中持续学习、适应并提升智能水平。A选项描述的是大模型特征，非具身智能…」为轴对照 B。" }, { "id": "class-08-embodied-q6-D", "text": "主要依赖云端大数据进行离线推理", "isCorrect": false, "rationale": "主要依赖云端大数据进行离线推理更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「具身智能」「最核心的定义特征是」不一致。请以解析「具身智能(Embodied AI)的核心在于“具身”二字，即智能体必须拥有物理实体，并通过该实体与真实环境进行实时交互，在交互过程中持续学习、适应并提升智能水平。A选项描述的是大模型特征，非具身智能特有;C选项过于狭隘;D选项强调离线大数…」锁定 B。" } ], "sourceSnippet": "具身智能(Embodied AI)的核心在于“具身”二字，即智能体必须拥有物理实体，并通过该实体与真实环境进行实时交互，在交互过程中持续学习、适应并提升智能水平。A选项描述的是大模型特征，非具身智能特有;C选项过于狭隘;D选项强调离线大数据推理，恰恰是传统离身智能的特点。因此B最准确。" }, { "id": "class-08-embodied-q7", "number": 7, "kind": "single", "question": "下列哪个例子最能体现“具身智能”的典型特征?", "hint": "C选项中的人形机器人使用机械臂和夹爪执行真实操作，且需要根据物理反馈(如鸡蛋硬度、重量)动态调整动作，完美体现了“具身”特征。A和B是纯软件离身智能;D虽然涉及决策，但没有物……（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q7-A", "text": "用ChatGPT写一篇关于机器人的文章", "isCorrect": false, "rationale": "用ChatGPT写一篇关于机器人的文章侧重的是另一个机制或层级：与材料中强调的「下列哪个例子最能体现」「具身智能」不一致；解析核心是「具身智能强调物理实体与环境的实时交互，并在操作中体现学习与适应。C选项中的人形机器人使用机械臂和夹爪执行真实操作，且需要根据物理反馈(如鸡蛋硬度、重量)动态调整动作，完美体现了“具身”特征。A和B是纯软件离身智能;D虽然涉及决策，但没有物理身体与环境交互，不属于具身智能。」，因此更合适的是 C（一个人形机器人在厨房中拿起鸡蛋、打碎并搅拌，过程中不断调整力度防止蛋壳掉落）。" }, { "id": "class-08-embodied-q7-B", "text": "用DeepSeek分析一张图片中的物体", "isCorrect": false, "rationale": "从选项 B 的文面看不出与解析链条的一一对应：与材料中强调的「下列哪个例子最能体现」「具身智能」不一致；而 C 才覆盖「具身智能强调物理实体与环境的实时交互，并在操作中体现学习与适应。C选项中的人形机器人使用机械臂和夹爪执行真实操作，且需要根据物理反馈(如鸡蛋硬度、重量)动态调整动作，完美体现了“具身”特征。A和B是纯软件离身智能;D虽然涉及决策，但没有物理身体与环境交互，不属于具身智能。」这层判断。" }, { "id": "class-08-embodied-q7-C", "text": "一个人形机器人在厨房中拿起鸡蛋、打碎并搅拌，过程中不断调整力度防止蛋壳掉落", "isCorrect": true, "rationale": "具身智能强调物理实体与环境的实时交互，并在操作中体现学习与适应。C选项中的人形机器人使用机械臂和夹爪执行真实操作，且需要根据物理反馈(如鸡蛋硬度、重量)动态调整动作，完美体现了“具身”特征。A和B是纯软件离身智能;D虽然涉及决策，但没有物理身体与环境交互，不属于具身智能。" }, { "id": "class-08-embodied-q7-D", "text": "在电脑上运行围棋AI与人类对弈", "isCorrect": false, "rationale": "在电脑上运行围棋AI与人类对弈更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「下列哪个例子最能体现」「具身智能」不一致。请以解析「具身智能强调物理实体与环境的实时交互，并在操作中体现学习与适应。C选项中的人形机器人使用机械臂和夹爪执行真实操作，且需要根据物理反馈(如鸡蛋硬度、重量)动态调整动作，完美体现了“具身”特征。A和B是纯软件离身智能;D虽然涉及决策，但没有物…」锁定 C。" } ], "sourceSnippet": "具身智能强调物理实体与环境的实时交互，并在操作中体现学习与适应。C选项中的人形机器人使用机械臂和夹爪执行真实操作，且需要根据物理反馈(如鸡蛋硬度、重量)动态调整动作，完美体现了“具身”特征。A和B是纯软件离身智能;D虽然涉及决策，但没有物理身体与环境交互，不属于具身智能。" }, { "id": "class-08-embodied-q8", "number": 8, "kind": "single", "question": "关于具身智能，以下哪个说法是错误的?", "hint": "A正确，交互式学习是核心特征;B正确，自动驾驶车辆具有物理实体(汽车)并与交通环境交互;D正确，具身智能是典型交叉学科。C说法明显错误，因为具身智能本身就是人工智能的一个重要……（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q8-A", "text": "具身智能可以通过与环境的交互持续提升自身能力", "isCorrect": false, "rationale": "具身智能可以通过与环境的交互持续提升自身能力侧重的是另一个机制或层级：与材料中强调的「关于具身智能」「具身智能不仅需要人工智能算法」不一致；解析核心是「具身智能不仅需要人工智能算法，而且通常依赖强化学习、模仿学习、视觉语言模型等先进技术来实现感知、决策与控制。A正确，交互式学习是核心特征;B正确，自动驾驶车辆具有物理实体(汽车)并与交通环境交互;D正确，具身智能是典型交叉学科。C说法明显错误，因为具身智能本身就是人工智能的一个重要分支。」，因此更合适的是 C（具身智能不需要任何形式的机器学习或人工智能算法）。" }, { "id": "class-08-embodied-q8-B", "text": "自动驾驶汽车可以看作一种具身智能系统", "isCorrect": false, "rationale": "从选项 B 的文面看不出与解析链条的一一对应：与材料中强调的「关于具身智能」「具身智能不仅需要人工智能算法」不一致；而 C 才覆盖「具身智能不仅需要人工智能算法，而且通常依赖强化学习、模仿学习、视觉语言模型等先进技术来实现感知、决策与控制。A正确，交互式学习是核心特征;B正确，自动驾驶车辆具有物理实体(汽车)并与交通环境交互;D正确，具身智能是典型交叉学科。C说法明显错误，因为具身智能本身就是人工智能的一个重要分支。」这层判断。" }, { "id": "class-08-embodied-q8-C", "text": "具身智能不需要任何形式的机器学习或人工智能算法", "isCorrect": true, "rationale": "具身智能不仅需要人工智能算法，而且通常依赖强化学习、模仿学习、视觉语言模型等先进技术来实现感知、决策与控制。A正确，交互式学习是核心特征;B正确，自动驾驶车辆具有物理实体(汽车)并与交通环境交互;D正确，具身智能是典型交叉学科。C说法明显错误，因为具身智能本身就是人工智能的一个重要分支。" }, { "id": "class-08-embodied-q8-D", "text": "具身智能的研究往往涉及机器人学、认知科学和人工智能的交叉", "isCorrect": false, "rationale": "具身智能的研究往往涉及机器人学、认知科学和人工智能的交叉更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「关于具身智能」「具身智能不仅需要人工智能算法」不一致。请以解析「具身智能不仅需要人工智能算法，而且通常依赖强化学习、模仿学习、视觉语言模型等先进技术来实现感知、决策与控制。A正确，交互式学习是核心特征;B正确，自动驾驶车辆具有物理实体(汽车)并与交通环境交互;D正确，具身智能是典型交叉学科。C说法明显…」锁定 C。" } ], "sourceSnippet": "具身智能不仅需要人工智能算法，而且通常依赖强化学习、模仿学习、视觉语言模型等先进技术来实现感知、决策与控制。A正确，交互式学习是核心特征;B正确，自动驾驶车辆具有物理实体(汽车)并与交通环境交互;D正确，具身智能是典型交叉学科。C说法明显错误，因为具身智能本身就是人工智能的一个重要分支。" }, { "id": "class-08-embodied-q9", "number": 9, "kind": "single", "question": "具身智能月球车在识别月面矿石时，主要依赖哪种模型?", "hint": "第7页也明确VLM用于目标检测和识别。…（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q9-A", "text": "强化学习模型(SAC)", "isCorrect": false, "rationale": "强化学习模型(SAC)侧重的是另一个机制或层级：与材料中强调的「具身智能月球车在识别月面矿石时」「主要依赖哪种模型」不一致；解析核心是「《5-2 具身智能案例介绍》第3页功能总览中指出:“利用先进的视觉语言模型(VLM)，系统能精准识别月面环境中的特定矿石目标，并计算其精确的三维坐标”。第7页也明确VLM用于目标检测和识别。」，因此更合适的是 B（视觉语言模型(VLM)）。" }, { "id": "class-08-embodied-q9-B", "text": "视觉语言模型(VLM)", "isCorrect": true, "rationale": "《5-2 具身智能案例介绍》第3页功能总览中指出:“利用先进的视觉语言模型(VLM)，系统能精准识别月面环境中的特定矿石目标，并计算其精确的三维坐标”。第7页也明确VLM用于目标检测和识别。" }, { "id": "class-08-embodied-q9-C", "text": "逆运动学求解器", "isCorrect": false, "rationale": "易混点往往在概念边界：此处 逆运动学求解器会引入多余假设或跳过关键前提；请以「《5-2 具身智能案例介绍》第3页功能总览中指出:“利用先进的视觉语言模型(VLM)，系统能精准识别月面环境中的特定矿石目标，并计算其精确的三维坐标”。第7页也明确VLM用于目标检测和识别。」为轴对照 B。" }, { "id": "class-08-embodied-q9-D", "text": "激光雷达点云分割模型", "isCorrect": false, "rationale": "激光雷达点云分割模型更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「具身智能月球车在识别月面矿石时」「主要依赖哪种模型」不一致。请以解析「《5-2 具身智能案例介绍》第3页功能总览中指出:“利用先进的视觉语言模型(VLM)，系统能精准识别月面环境中的特定矿石目标，并计算其精确的三维坐标”。第7页也明确VLM用于目标检测和识别。」锁定 B。" } ], "sourceSnippet": "《5-2 具身智能案例介绍》第3页功能总览中指出:“利用先进的视觉语言模型(VLM)，系统能精准识别月面环境中的特定矿石目标，并计算其精确的三维坐标”。第7页也明确VLM用于目标检测和识别。" }, { "id": "class-08-embodied-q10", "number": 10, "kind": "single", "question": "在月球车底盘导航中，远距离移动时采用的决策算法是:", "hint": "第12页的流程图也加载了SAC模型进行动作预测。…（可先想：哪一选项与该句直接矛盾？）", "options": [ { "id": "class-08-embodied-q10-A", "text": "人工势场法", "isCorrect": false, "rationale": "人工势场法侧重的是另一个机制或层级：与材料中强调的「在月球车底盘导航中」「远距离移动时采用的决策算法是」不一致；解析核心是「文档第8页“路径规划模块”说明:“远距离: 使用DRL避障导航”，DRL即深度强化学习，具体模型为SAC。第12页的流程图也加载了SAC模型进行动作预测。」，因此更合适的是 B（深度强化学习(SAC模型)）。" }, { "id": "class-08-embodied-q10-B", "text": "深度强化学习(SAC模型)", "isCorrect": true, "rationale": "文档第8页“路径规划模块”说明:“远距离: 使用DRL避障导航”，DRL即深度强化学习，具体模型为SAC。第12页的流程图也加载了SAC模型进行动作预测。" }, { "id": "class-08-embodied-q10-C", "text": "A*路径搜索", "isCorrect": false, "rationale": "易混点往往在概念边界：此处 A*路径搜索会引入多余假设或跳过关键前提；请以「文档第8页“路径规划模块”说明:“远距离: 使用DRL避障导航”，DRL即深度强化学习，具体模型为SAC。第12页的流程图也加载了SAC模型进行动作预测。」为轴对照 B。" }, { "id": "class-08-embodied-q10-D", "text": "纯跟踪控制", "isCorrect": false, "rationale": "纯跟踪控制更像干扰项的常见套路（扩大/偷换适用范围）；与材料中强调的「在月球车底盘导航中」「远距离移动时采用的决策算法是」不一致。请以解析「文档第8页“路径规划模块”说明:“远距离: 使用DRL避障导航”，DRL即深度强化学习，具体模型为SAC。第12页的流程图也加载了SAC模型进行动作预测。」锁定 B。" } ], "sourceSnippet": "文档第8页“路径规划模块”说明:“远距离: 使用DRL避障导航”，DRL即深度强化学习，具体模型为SAC。第12页的流程图也加载了SAC模型进行动作预测。" } ] }