1 설정
pi0.5 : PLACE=1 OPENCLOSE=1 GOAL=0 NUM_STEPS=20000 bash scripts/train_pi05_mlspaces.sh — init pi05_droid_pytorch, main 0.24 / Pick 0.12 / PnP 0.08 / NextTo 0.12 / Color 0.08 / place 0.16 / open 0.10 / close 0.10
MolmoBot: GOAL=0 bash scripts/train_molmobot_goal.sh — init molmobot_droid, max_tail_images=0, bi_directional_attn=image_tokens(공식), --goal_image 제거, 그 외 goal 모델과 동일(seq 1152, 2프레임, 비율 동일)
스모크 : MolmoBot GOAL=0 로그인 GPU 2, 8 step — config 확인(max_tail_images 0 / image_tokens), flow loss 0.004–0.07, Training complete
제출 : sbm ... --qos=own --gres=gpu:8 -c 96 --mem 1600GB --container=nvcr.io/nvidia/cuda:12.8.0-devel-ubuntu22.04
2 평가 계획
hand-off("Place the X on the {받침면}.", 같은 200편 시드) → goal 모델 on/off와 공통 에피소드 쌍 비교(replace@5/10, 거리, NextTo) · Open/Close HardBench 200편 · pi0.5는 open-loop val. 결과는 이 파일에 업데이트.
기대: no-goal 모델의 hand-off 거리가 goal 모델 off보다 가까우면 "goal 슬롯 학습이 언어 배치를 약화"한 것, 비슷하면 기존 goal-off 수치가 이미 순수 언어 기준선.