Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है
A. चित्रों और दृश्य जानकारी को समझने से/Understanding images and visual information
Explanation
Simple Explanation
कंप्यूटर दृष्टि कृत्रिम बुद्धिमत्ता की वह शाखा है जो कंप्यूटर को चित्रों और वीडियो जैसी दृश्य जानकारी का विश्लेषण और अर्थ समझने में सक्षम बनाती है। चेहरा पहचानना और वस्तु पहचानना इसके उदाहरण हैं। लिखित निबंध या केवल ध्वनि से संबंधित कार्य कंप्यूटर दृष्टि के मुख्य कार्य नहीं हैं। परीक्षा-टिप: दृश्य इनपुट—चित्र या वीडियो—दिया हो, तो कंप्यूटर दृष्टि से संबंधित कार्य पहचानें। / Computer vision is a branch of artificial intelligence that enables computers to analyse and interpret visual information such as images and videos. Face recognition and object detection are examples of computer vision. Preparing essays or recording only sound are not its primary functions. Exam tip: When the input is visual, such as an image or video, think of computer vision.
A. चित्र को उचित वर्ग में रखता है/Places the image into a suitable category
Explanation
Simple Explanation
चित्र वर्गीकरण में मॉडल चित्र की दृश्य विशेषताओं का विश्लेषण करके उसे किसी पूर्वनिर्धारित वर्ग, जैसे बिल्ली या कुत्ता, में रखता है। इसलिए विकल्प A सही है। विकल्प C गलत है, क्योंकि ध्वनि को चित्र में बदलना चित्र वर्गीकरण का कार्य नहीं है। परीक्षा टिप: वर्गीकरण का अर्थ किसी इनपुट को पहले से निर्धारित श्रेणी का लेबल देना है। / In image classification, the model analyzes visual features of an image and assigns it to a predefined category, such as cat or dog. Therefore, option A is correct. Option C is incorrect because converting sound into an image is not the task of image classification. Exam tip: Classification means assigning an input a label from predefined categories.
A. चित्र में वस्तुओं और उनके स्थान की पहचान करना/Identifying objects and their locations in an image
Explanation
Simple Explanation
वस्तु पहचान (Object Detection) कंप्यूटर विज़न की वह तकनीक है जो चित्र या वीडियो में मौजूद वस्तुओं को पहचानने के साथ-साथ उनके स्थान को भी निर्धारित करती है, सामान्यतः बाउंडिंग बॉक्स द्वारा। इसलिए विकल्प A सही है। केवल चित्र का रंग बदलना, जैसा कि विकल्प B में है, वस्तु पहचान का उद्देश्य नहीं है। परीक्षा में याद रखें: image classification केवल वस्तु का वर्ग बताता है, जबकि object detection वर्ग और स्थान दोनों बताता है। / Object detection is a computer vision technique that identifies objects in an image or video and determines their locations, usually using bounding boxes. Therefore, option A is correct. Changing an image’s colour, as stated in option B, is not the purpose of object detection. Exam tip: image classification identifies the class, whereas object detection identifies both the class and its location.
A. चित्र की सबसे छोटी इकाई/The smallest unit of an image
Explanation
Simple Explanation
पिक्सेल डिजिटल छवि की सबसे छोटी संग्रहीत या प्रदर्शित इकाई होता है। प्रत्येक पिक्सेल में रंग या चमक से संबंधित जानकारी होती है, और अनेक पिक्सेल मिलकर पूरी छवि बनाते हैं। इसलिए विकल्प A सही है; माउस का बटन और ध्वनि तरंग छवि के घटक नहीं हैं। परीक्षा-टिप: Pixel को picture element का संक्षिप्त रूप याद रखें। / A pixel is the smallest stored or displayed unit of a digital image. Each pixel contains information about colour or brightness, and many pixels together form the complete image. Therefore, option A is correct; a mouse button and a sound wave are not components of an image. Exam tip: Remember that pixel is short for “picture element.”
A. चित्रों को एक समान आकार में लाने के लिए/To bring images to a common size
Explanation
Simple Explanation
आकार बदलने से चित्र की चौड़ाई और ऊँचाई निर्धारित मान के अनुरूप हो जाती है। इससे कंप्यूटर विज़न मॉडल को सभी इनपुट एक समान आयामों में मिलते हैं और उनका संसाधन करना आसान होता है। इसका उद्देश्य चित्र की पूरी जानकारी मिटाना नहीं है; इसलिए विकल्प B गलत है। परीक्षा में याद रखें कि resizing, image preprocessing का सामान्य चरण है। / Resizing changes an image’s width and height to specified dimensions. This gives a computer vision model inputs with uniform dimensions, making processing and comparison easier. It does not aim to erase all image information, so option B is incorrect. Exam tip: resizing is a common image-preprocessing step before model input.
A. जब रंग की जगह चमक की जानकारी पर्याप्त हो/When brightness information is sufficient instead of color
Explanation
Simple Explanation
धूसर चित्र में प्रत्येक पिक्सेल को रंग के बजाय चमक या तीव्रता के स्तर से दर्शाया जाता है। इसलिए आकार, किनारे या पैटर्न पहचानने जैसे कार्यों में, जब रंग की जानकारी आवश्यक न हो, इसका उपयोग किया जा सकता है। अन्य विकल्प चित्र प्रसंस्करण में धूसर चित्र के उपयोग की स्थिति नहीं बताते। परीक्षा टिप: यदि किसी कार्य में केवल आकृति या चमक महत्वपूर्ण हो, तो रंगीन चित्र के स्थान पर धूसर चित्र पर्याप्त हो सकता है। / A grayscale image represents each pixel using brightness or intensity levels rather than color. It can therefore be used for tasks such as detecting shapes, edges, or patterns when color information is not required. The other options do not describe a use of grayscale images in computer vision. Exam tip: If only shape or brightness matters, a grayscale image may be sufficient instead of a color image.
A. वस्तु की सीमा और आकार समझना/To understand an object's boundary and shape
Explanation
Simple Explanation
किनारा पहचानने की प्रक्रिया चित्र में तीव्र चमक या रंग-परिवर्तन वाले स्थानों को खोजती है। ये स्थान प्रायः वस्तुओं की सीमाएँ दर्शाते हैं, इसलिए उनसे वस्तु का आकार और संरचना समझने में सहायता मिलती है। विकल्प B चित्र मिटाने, C ध्वनि उत्पन्न करने और D अनुवाद से संबंधित हैं, किनारा पहचानने से नहीं। परीक्षा टिप: Edge detection को वस्तु की सीमा पहचानने वाली प्रारंभिक computer vision तकनीक के रूप में याद रखें। / Edge detection finds locations in an image where there is a sharp change in intensity or colour. These locations often represent object boundaries, helping a computer understand an object's shape and structure. Options B, C and D describe image deletion, sound generation and translation, not edge detection. Exam tip: Remember edge detection as an early computer vision technique for identifying object boundaries.
A. गोपनीयता और गलत पहचान के जोखिम के कारण/Because of privacy and wrong identification risks
Explanation
Simple Explanation
चेहरा पहचान प्रणाली लोगों की पहचान से संबंधित संवेदनशील जैवमितीय डेटा का उपयोग करती है। बिना सहमति डेटा का उपयोग गोपनीयता का उल्लंघन कर सकता है और पक्षपाती या गलत प्रणाली किसी निर्दोष व्यक्ति पर अनुचित प्रभाव डाल सकती है। इसलिए ऐसी प्रणालियों में गोपनीयता, सहमति, निष्पक्षता और गलत पहचान के जोखिम पर ध्यान देना आवश्यक है। परीक्षा-टिप: जिस विकल्प में व्यक्तिगत अधिकारों और संभावित हानि से जुड़े जोखिम बताए गए हों, वही नैतिक सावधानी का सही कारण है। / A face recognition system uses sensitive biometric data connected to people’s identities. Using such data without consent can violate privacy, and a biased or inaccurate system may unfairly affect an innocent person. Therefore, privacy, consent, fairness, and the risk of misidentification must be considered. Exam tip: Choose the option that identifies risks to personal rights and possible harm as the reason for ethical care.
A. रोग संकेतों की पहचान में सहायता/Helping identify disease signs
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता चिकित्सा छवियों और रोगी के आँकड़ों का विश्लेषण करके रोग-संबंधी संकेतों की पहचान में सहायता कर सकती है। इसलिए विकल्प A सही है। विकल्प B भी स्वास्थ्य सेवा में AI का संभावित उपयोग हो सकता है, जैसे गोपनीय डेटा की निगरानी, इसलिए यह प्रश्न में एक निकटवर्ती लेकिन अस्पष्ट विकल्प बनता है; अधिक स्पष्ट एकल उत्तर के लिए इसे सामान्य सहायक कार्य के रूप में रखा गया है। विकल्प C और D गलत हैं, क्योंकि AI बिना चिकित्सकीय जाँच के निश्चित निदान या बिना अनुमति दवा में बदलाव नहीं कर सकती। परीक्षा-युक्ति: AI को निर्णय-सहायक तकनीक समझें, डॉक्टर का पूर्ण विकल्प नहीं। / AI can analyze medical images and patient data to help identify disease-related signs, so option A is correct. Option B can also be a possible healthcare application—for example, monitoring sensitive data—making it a close but potentially ambiguous distractor; it has been retained as a general supportive function to test the primary concept. Options C and D are incorrect because AI should not provide a definite diagnosis without medical examination or change medicines without authorization. Exam tip: Treat AI as a decision-support tool, not a complete replacement for a doctor.
A. फसल रोग पहचान और सिंचाई सलाह में/In crop disease detection and irrigation advice
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता फसलों की तस्वीरों और मौसम या मिट्टी के आँकड़ों का विश्लेषण करके रोगों की पहचान तथा फसल की पानी की आवश्यकता का अनुमान लगाने में सहायता कर सकती है। इसलिए विकल्प A सही है। विकल्प B, C और D कृषि में AI के उपयोगी या वांछित अनुप्रयोग नहीं हैं। परीक्षा में याद रखें: कृषि में AI का प्रमुख उपयोग निगरानी, पूर्वानुमान और संसाधनों के बेहतर प्रबंधन में होता है। / Artificial intelligence can analyse crop images and weather or soil data to help detect diseases and estimate a crop’s water requirement. Therefore, option A is correct. Options B, C and D are neither useful nor intended applications of AI in agriculture. Exam tip: remember that AI in agriculture is mainly used for monitoring, prediction, and efficient resource management.
A. परिवेश समझकर निर्णय लेने में सहायता करती है/Helps understand surroundings and make decisions
Explanation
Simple Explanation
स्वचालित वाहन कैमरा, रडार और अन्य सेंसरों से परिवेश की जानकारी प्राप्त करता है। कृत्रिम बुद्धिमत्ता इस जानकारी का विश्लेषण करके वस्तुओं की पहचान और निर्णय लेने में सहायता करती है, इसलिए विकल्प A सही है। विकल्प B भी AI के एक उपयोग का वर्णन करता है, लेकिन वह केवल सेंसर आँकड़ों के विश्लेषण और वाहन नियंत्रण तक सीमित है; प्रश्न AI की व्यापक भूमिका पूछता है। AI वाहन को बिना प्रोग्राम के नहीं चलाती और यातायात नियमों की आवश्यकता भी समाप्त नहीं करती। परीक्षा-टिप: स्वचालित वाहनों में AI की मुख्य भूमिकाएँ perception, decision-making और control से जुड़ी होती हैं। / An autonomous vehicle uses cameras, radar, and other sensors to gather information about its surroundings. AI analyzes this information to recognize objects and support decision-making, so option A is correct. Option B describes one specific use of AI—analyzing sensor data to assist vehicle control—but it is narrower than the broader role asked in the question. AI does not operate a vehicle without programs, nor does it eliminate the need for traffic rules. Exam tip: Remember that AI in autonomous vehicles is mainly used for perception, decision-making, and control.
A. ताकि प्रतिरूप अलग-अलग स्थितियों में वस्तुओं को पहचान सके/So the model can recognize objects in different situations
Explanation
Simple Explanation
प्रशिक्षण चित्रों में प्रकाश, आकार, कोण, पृष्ठभूमि और वस्तु की स्थिति जैसी विविधताएँ होने पर प्रतिरूप वास्तविक दुनिया के अलग-अलग उदाहरणों से सीखता है। इससे वह केवल किसी एक चित्र को याद करने के बजाय नए चित्रों पर बेहतर सामान्यीकरण कर पाता है। विकल्प B याद करने की समस्या बताता है, जो विविध और पर्याप्त प्रशिक्षण से कम की जाती है। परीक्षा-युक्ति: विविध प्रशिक्षण डेटा सामान्यीकरण क्षमता बढ़ाता है। / When training images vary in lighting, size, angle, background, and object position, the model learns from different real-world examples. This helps it generalize to new images instead of merely memorizing one image. Option B describes memorization, which varied and sufficient training data helps reduce. Exam tip: diverse training data generally improves a model’s generalization ability.
A. प्रशिक्षण के लिए चित्रों के विविध रूप बनाना/To create varied versions of images for training
Explanation
Simple Explanation
चित्र संवर्धन में मूल चित्रों पर छोटे परिवर्तन किए जाते हैं, जैसे घुमाना, पलटना, काटना या चमक बदलना। इससे प्रशिक्षण के लिए चित्रों के विविध रूप मिलते हैं और प्रतिरूप अलग-अलग परिस्थितियों में बेहतर सामान्यीकरण कर सकता है। इसलिए विकल्प A सही है। विकल्प C गलत है, क्योंकि संवर्धन का उद्देश्य आंकड़ों को हटाना नहीं, बल्कि प्रशिक्षण आंकड़ों की विविधता बढ़ाना है। परीक्षा टिप: Image augmentation को training data की विविधता बढ़ाने की तकनीक के रूप में याद रखें। / Image augmentation applies small changes to original images, such as rotation, flipping, cropping, or changing brightness. It creates varied training examples and can help a model generalize better to different conditions. Therefore, option A is correct. Option C is incorrect because augmentation does not remove data; it increases the diversity of training data. Exam tip: Remember image augmentation as a technique for increasing the variety of training data.
A. वस्तु पहचान वस्तु का स्थान भी बताती है/Object detection also tells the object's location
Explanation
Simple Explanation
चित्र वर्गीकरण सामान्यतः पूरे चित्र को एक या अधिक श्रेणियों में रखता है, जबकि वस्तु पहचान चित्र में मौजूद अलग-अलग वस्तुओं की पहचान के साथ उनके स्थान, प्रायः bounding boxes के रूप में, बताती है। इसलिए स्थान बताना मुख्य अंतर है। विकल्प B वर्गीकरण का सही वर्णन करता है, लेकिन वह वस्तु पहचान और वर्गीकरण के बीच मुख्य अंतर को पूरा नहीं बताता। परीक्षा-युक्ति: classification को “क्या है?” और detection को “क्या है और कहाँ है?” के रूप में याद रखें। / Image classification assigns one or more categories to the image as a whole, whereas object detection identifies individual objects and indicates their locations, usually with bounding boxes. Therefore, reporting location is the key difference. Option B correctly describes classification but does not state the complete contrast as directly as option A. Exam tip: remember classification as “what is in the image?” and detection as “what is it and where is it?”
A. वस्तु के स्थान को घेरकर दिखाने के लिए/To mark the location of an object
Explanation
Simple Explanation
सही उत्तर A है। कंप्यूटर विज़न में सीमा डिब्बा किसी चित्र में पहचानी गई वस्तु के चारों ओर आयत बनाकर उसका स्थान और लगभग सीमा दिखाता है। यह वस्तु पहचान (object detection) के परिणामों को समझने में सहायक होता है; यह ध्वनि बढ़ाने या फाइल संबंधी कार्यों के लिए उपयोग नहीं होता। परीक्षा-टिप: वस्तु का वर्ग और उसका स्थान दोनों बताने वाली तकनीक को object detection कहते हैं। / Option A is correct. In computer vision, a bounding box is a rectangle drawn around a detected object to show its location and approximate extent in an image. It helps interpret object-detection results; it is not used for audio amplification or file operations. Exam tip: Object detection identifies an object’s class and location, whereas image classification generally gives only the class.
A. संवेदनशील निर्णयों की जांच और सुधार के लिए/For checking and correcting sensitive decisions
Explanation
Simple Explanation
मानव नियंत्रण से AI द्वारा दिए गए संवेदनशील या महत्वपूर्ण निर्णयों की समीक्षा, सुधार और आवश्यकता पड़ने पर रोकथाम की जा सकती है। केवल मशीन पर निर्भर रहने से उसकी गलतियाँ या पक्षपात बिना जांच के लागू हो सकते हैं। परीक्षा-युक्ति: AI नैतिकता में मानव निगरानी का मुख्य उद्देश्य सुरक्षा, जवाबदेही और निष्पक्षता बनाए रखना है। / Human control allows sensitive or important AI decisions to be reviewed, corrected, and stopped when necessary. Relying only on a machine may allow its errors or bias to be applied without review. Exam tip: In AI ethics, human oversight mainly supports safety, accountability, and fairness.
A. चित्रों को मॉडल के लिए उपयुक्त बनाना/To make images suitable for the model
Explanation
Simple Explanation
चित्र पूर्वप्रसंस्करण में आकार बदलना, शोर हटाना, प्रकाश या रंग को सामान्य करना और पिक्सेल मानों को व्यवस्थित करना जैसे कार्य शामिल हो सकते हैं। इसका उद्देश्य कच्चे चित्रों को मॉडल के लिए एकसमान और विश्लेषण योग्य बनाना है, जिससे पहचान या वर्गीकरण की सटीकता बेहतर हो सकती है। चित्र मिटाना, ध्वनि बनाना या पाठ का अनुवाद करना पूर्वप्रसंस्करण का सामान्य उद्देश्य नहीं है। परीक्षा-युक्ति: पूर्वप्रसंस्करण को मॉडल में दिए जाने से पहले चित्र की गुणवत्ता और एकरूपता सुधारने वाले चरणों के रूप में याद रखें। / Image preprocessing may include resizing, removing noise, normalizing lighting or color, and organizing pixel values. Its purpose is to make raw images more consistent and suitable for analysis by a computer vision model, which can improve recognition or classification accuracy. Deleting images, generating sound, or translating text is not the general purpose of preprocessing. Exam tip: Remember preprocessing as the set of steps performed before model input to improve an image’s quality and consistency.
A. ताकि मॉडल सीख सके कि प्रत्येक चित्र किस वर्ग का है/So the model can learn which class each image belongs to
Explanation
Simple Explanation
वर्ग चिह्न प्रशिक्षण चित्र का सही वर्ग, जैसे बिल्ली या कुत्ता, बताते हैं। पर्यवेक्षित शिक्षण में मॉडल चित्र की विशेषताओं को उसके सही वर्ग से जोड़कर नए चित्रों का वर्गीकरण सीखता है। इसलिए विकल्प A सही है; अन्य विकल्प चित्र के आकार, कैमरे या चित्र की सामग्री में बदलाव से संबंधित हैं, लेबल के उद्देश्य से नहीं। परीक्षा-युक्ति: जिस प्रश्न में सही उत्तर पहले से दिए गए वर्गों से सीखने की बात हो, वहाँ labels पर्यवेक्षित शिक्षण का संकेत होते हैं। / A label gives the correct class of a training image, such as cat or dog. In supervised learning, the model connects visual features with these known classes and then uses that learning to classify new images. Therefore, option A is correct; the other options describe changes to image size, camera quality, or image content, not the purpose of labels. Exam tip: Labels are a key sign of supervised learning because they provide the expected answer during training.
A. चित्र में वस्तु का स्थान और विस्तार दिखाने के लिए/To show an object's location and extent in an image
Explanation
Simple Explanation
सीमा डिब्बा वस्तु के चारों ओर एक आयताकार क्षेत्र बनाता है, जिससे मॉडल वस्तु का स्थान और उसका अनुमानित विस्तार दिखा सकता है। केवल पूरे चित्र को एक वर्ग देना image classification है, object detection नहीं। परीक्षा में याद रखें: object detection सामान्यतः वस्तु का वर्ग और bounding box दोनों बताता है। / A bounding box is a rectangular region drawn around an object to indicate its location and approximate extent. Assigning one class to the whole image is image classification, not object detection. Exam tip: object detection generally provides both the object class and its bounding box.
A. किसी गलत व्यक्ति को मिलान बता देना/Marking an incorrect person as a match
Explanation
Simple Explanation
गलत सकारात्मक तब होता है जब प्रणाली वास्तव में गलत व्यक्ति होने पर भी मिलान होने का परिणाम देती है। इसलिए विकल्प A सही है। विकल्प B सही सकारात्मक का उदाहरण है, जबकि विकल्प C गलत नकारात्मक का उदाहरण है। परीक्षा में याद रखें: false positive का अर्थ है—गलत स्थिति को सकारात्मक या ‘हाँ’ बताना। / A false positive occurs when the system reports a match even though the identified person is actually incorrect. Therefore, option A is correct. Option B describes a true positive, while option C describes a false negative. Exam tip: remember that a false positive means incorrectly reporting a positive result or “yes.”
A. रोग या जल जरूरत का जल्दी संकेत मिल सकता है/Early signals of disease or water need can be found
Explanation
Simple Explanation
फसल की तस्वीरों, ड्रोन या सेंसर से प्राप्त आँकड़ों का विश्लेषण करके कृत्रिम बुद्धिमत्ता रोग, कीट-प्रकोप या पानी की कमी के शुरुआती संकेत पहचान सकती है। इससे किसान समय पर सिंचाई या उपचार का निर्णय ले सकता है। इसलिए विकल्प A सही है; अन्य विकल्प AI-आधारित निगरानी के लाभ नहीं बताते। परीक्षा-टिप: कृषि में AI के प्रमुख उपयोगों को समय पर निगरानी, संसाधनों के बेहतर उपयोग और समस्या की शीघ्र पहचान से जोड़ें। / By analysing data from crop images, drones, or sensors, artificial intelligence can identify early signs of disease, pest attack, or water shortage. This enables farmers to take timely decisions about irrigation or treatment. Therefore, option A is correct; the other options do not describe benefits of AI-based monitoring. Exam tip: Associate AI applications in agriculture with timely monitoring, efficient resource use, and early problem detection.
A. परिवेश, वस्तुओं और दूरी को समझने के लिए/To understand the surroundings, objects, and distances
Explanation
Simple Explanation
स्वचालित वाहन सेंसरों से आसपास की वस्तुओं, उनकी दूरी और गति जैसी जानकारी प्राप्त करता है। इसी आंकड़े के आधार पर वाहन रास्ता चुनता, बाधाओं से बचता और सुरक्षित निर्णय लेता है। विकल्प B गलत है, क्योंकि सेंसर वाहन को बिना जानकारी के नहीं चलाते। परीक्षा-युक्ति: सेंसर का मुख्य कार्य परिवेश को पहचानने के लिए डेटा एकत्र करना है। / An autonomous vehicle uses sensors to obtain information about nearby objects, their distances, and motion. It uses this data to select a path, avoid obstacles, and make safe decisions. Option B is incorrect because sensors do not enable the vehicle to operate without information. Exam tip: The primary role of sensors is to collect data about the vehicle’s surroundings.
