Claude Reports

**Scene-level long-term memory 벤치마크**를 새로 만든다. "로봇이 한 집에서 여러 날 살면서 쌓은

NVIDIA Cosmos3 omnimodal world model을 이 B200 클러스터에서 실제로 굴릴 수 있는 상태로

X-WAM의 action/proprio 토큰을 shared trunk에서 분리해 **MoT(Mixture-of-Transformers) 전용 expert 타워**로 옮겼을 때 RoboCasa control 성능(SR)이 오르는지 검증. 비교 앵커: X-WAM arm A (shared trunk, no depth) = **61.0%**, arm B (dept

MolmoSpace(allenai/molmobot-data) 데이터로 pi0.5를 finetuning — action 규약을 pi0.5 pretrained

MolmoSpaces(franka_droid) 전문가 데모로 **pi0.5를 파인튜닝**하고, MolmoSpaces bench-v2에서 성공률을 측정해 zero-shot 대비 향상을 정량화한다.

Cross-project daily progress summaries — git commits, SLURM jobs, session notes

τ₀-World Model(VAM)의 **나이브한 성능**(TTC 없이 기본 posttrain + 5-step 추론)을 RoboCasa

Cosmos Policy를 재현하고, **"학습 때만 중간 프레임을 supervise하면 표현이 physically/

Video Generation with 4D Latent Reward Policy Optimization — LGM geometry 기반 reward로 물리적 일관성 있는 로봇 비디오 생성

`simple-world-lab/HiFi-UMI-2K` (robot-free bimanual manipulation, 2,000 h, LeRobot v3 포맷)을

ImageWAM을 **RoboCasa에서 재현**하고, 논문이 검증하지 않은 설계 축

X-WAM(Wan2.2-TI2V-5B 기반 통합 4D World-Action Model) code release를 받아 **RoboCasa / RoboTwin 2.0 벤치마크 평가를 재현**하는 것. 1차 목표는 RoboCasa 24 kitchen 태스크 평균 SR 79.2% 재현.

MetaView의 3D 메커니즘(PRoPE 기하 조건화)이 **action 예측·control을 개선하는가**.

LingBot-VA(Robbyant의 AR diffusion 기반 video-action world model)를 **RoboCasa 데이터로 post-training** 하는 것.

**최종 목표**: MetaView의 3D 메커니즘(카메라 조건부 attention + 멀티뷰 3D 토큰)을 비디오 생성 모델로 확장해 **WAM(World Action Model)의 backbone**으로 쓴다. 3D consistency를 확보하고 wrist view를 더 잘 생성해서 **action 예측 정확도를 높이는 것**이 목적.

Wan Multi-View Robot Video LoRA Fine-Tuning — RoboCasa simulation multi-view 비디오로 Wan2.1 T2V LoRA 학습

Robomme policy learning & benchmark — manipulation memory experiments

EgoX v2 — Wan2.1-I2V-14B 기반 LoRA adaptation으로 단일 exo 비디오에서 ego 비디오 생성

단일 Exo 비디오에서 Ego+Wrist 뷰 비디오를 동시 생성. Flow matching 기반 Phase 분리 학습

Graph 기반 Long-Term Memory for Egocentric VQA — 시공간 그래프 자동 구축 + 장기 기억 VQA

EgoX를 Wan 2.2 기반으로 확장하여 더 긴 egocentric 비디오 생성

EgoExo4D depth estimation pipeline — ViPE inference optimization & data processing

Ego-centric video generation with 3D stitching — DRF training & rendering loss