Long-WAM RoboTwin 2.0 풀 레시피 학습 및 step 1400 중간 평가

TL;DR

학습: job 183219, 1540/29,880 update, loss 2.51→0.19(action 2.23→0.03), 약 45 update/h, 남은 약 26일
평가: step 1400(4.7%) demo_clean 3 task 1/29. 공개 ckpt는 15/15
판단: "아직 이르다"과 "설정 어긋남"을 구분 불가 → step 3000/5000 재평가가 기준

2.51→0.19

Loss (1540 upd)

1/29

SR step 1400

15/15

SR 공개 ckpt

~26d

남은 시간

1 배경 / 목적

공개 Robot-S video expert에서 출발해 RoboTwin 2.0 공개 체크포인트(robotwin2_idm)가 재현되는지 확인하는 본 학습. 공개 레시피는 eval_every: 0이라 train loss만 남으므로 정책 동작 여부는 체크포인트를 시뮬레이터에 넣어야 알 수 있다.

2 작업 내용

train: scripts/robotwin2/train_b200.sh 4 GPU x batch 16 x accumulation 16 = global batch 1024, lr 1e-4, 5 epoch (29,880 update) SAVE_EVERY=100, 최근 3개 유지, 5000/10000/15000/20000/25000 보호 submit: job 183219 (2026-10-09 04:12 시작, own QOS) + afterany 체인 183221→183222→183223→183224 (MaxTime 7일 대응, 자동 resume) eval: step 1400 가중치를 outputs/robotwin2/robot-s-full-evalbundles/step_001400에 하드링크(정리 로직 회피) + 학습 산출 config.yaml + dataset_stats.json → eval_worker_b200.sh (job 186108, demo_clean, 10 ep, --time 2:00:00)

사고: 첫 체인(183016~)은 100 update 후 NODE_FAIL(저장 전). 재제출 5건은 클러스터 k8s_apply_err로 수 초 내 취소(타 사용자 동일). 복구 후 183219부터 정상. 저장 주기를 250→100으로 축소.

3 결과

학습 loss (job 183219, ~34시간 경과)

update	loss	action	video
10	2.51	2.23	0.28
210	1.17	0.97	0.20
410	0.38	0.20	0.18
810	0.25	0.089	0.16
1410	0.21	0.051	0.16
~1540	0.19~0.20	0.031~0.038	0.15

시뮬레이터 평가 (demo_clean)

체크포인트	lift_pot	click_bell	adjust_bottle
공개 robotwin2_idm (job 181500, 5 ep)	5/5	5/5	5/5
step 1400 (job 186108, 10 ep)	0/10	1/10	0/9 (시간 초과 중단)

job 186108은 2시간 제한에 TIMEOUT. 실패 에피소드는 스텝 한도(400)까지 돌아 태스크당 34~49분(공개 ckpt는 3 task 합 20분). 학습 산출 config.yaml을 model_config로 그대로 써도 로딩·실행됨.

4 Takeaway

학습은 끊김 없이 진행, loss 단조 감소.

step 1400(0.23 epoch)에서 성공률 1/29. action loss 0.05가 성공률로 이어지지 않음.

이 수치만으로는 "아직 이르다"와 "설정이 어긋났다"를 구분할 수 없다. 다음 평가 지점에서 성공률이 올라오는지가 판별 기준.

5 Next Steps

step 3000 전후와 보호 지점 5000에서 재평가. 실패가 많으므로 --time 4시간 이상.
5000에서도 0 근처면 점검: ActionDiT 랜덤 초기화(미공개 ActionDiT_from_longlive_ar_1024hdim.pt 부재), 평가 config/stats 정합성.
7일 경계에서 eval_every를 켜 val loss를 함께 남길지 결정.

Long-WAM RoboTwin 2.0 풀 레시피 학습 (4 GPU) & step 1400 중간 평가