press 트랙 데이터 조사pressed ∧ clean 성공 편만task_description에 그대로 보존(place 때의 유실 없음)obs/sensor_data 공백(open/close와 동일), press/washer 집 번호 85개 충돌사용자 지시: "푸시도 올려뒀다는데 데이터 확인해줄래" — HF Keh0t0/molmo-augment에 새 트랙이 업로드됐는지 확인하는 작업. 실제 이름은 press(밀기가 아니라 가전 버튼 누르기), 2026-09-07 17:04 UTC 업로드로 place/open/close에 이은 네 번째 트랙이다.
sensor_data 공백, place에서 겪은 프롬프트 유실)을 데이터 다운로드 전에 확인한다.huggingface_hub로 저장소 파일 목록·용량·press/README.md·press/index.json을 다운로드 없이 조회. h5 스키마 확인은 shard 전체(1~2GB)를 받지 않고 tar 헤더만 Range 요청으로 훑어 첫 h5 멤버 구간만 내려받는 방식으로 3.8MB만 받아 검사(tar가 무압축이라 가능). 평가 가능성은 molmospaces-bench-v2의 procthor-10k/procthor-objaverse 벤치 목록과 설치된 molmo_spaces에 press 태스크 클래스 존재 여부를 grep으로 확인.
| 항목 | 값 |
|---|---|
| 집 / 에피소드 | 2,281채 / 11,070편 (전부 success[-1] True) |
| 용량 / shard | 65.2GB / 31개 (1.0–2.2GB, 무압축 tar) |
| 제외 | h5 없는 mp4-only 9편, 집 4채 |
| 스텝 | 중앙값 244 (145–301), 접근축 전진 중앙값 10.1cm |
| 카메라 | 6종 (open/place와 동일) |
저장소 전체 규모: place 121.4GB(102파일) · open 32.7GB · close 28.0GB · press 65.2GB
| 접두 | config / 씬 | 물체 | 집 | 편 |
|---|---|---|---|---|
press/ | FrankaPressButtonOmniCamConfig (procthor-objaverse) | coffeemaker 5,458 · microwaveoven 2,600 | 1,480 | 8,058 |
washer/ | FrankaPressButtonWasherOmniCamConfig (procthor-10k) | automaticwasher 1,489 · clothesdryer 1,523 | 801 | 3,012 |
obs/sensor_data 그룹이 비어 있음 — open/close와 똑같은 문제. 로더가 mp4 파일명을 여기서 읽으므로 채우기 스크립트 필요(파일명 규약 episode_{i:08d}_{cam}_{batch}.mp4 일치는 확인됨).press/house_N과 washer/house_N이 서로 다른 씬인데 번호가 겹침 → 한 디렉토리에 합치면 덮어씀. 두 데이터셋으로 분리하거나 접두를 붙여 rename 필요(비율도 따로 줄 수 있음: press 8,058 / washer 3,012).molmospaces-bench-v2의 procthor-10k/procthor-objaverse 어디에도 press 벤치가 없고, 설치된 molmo_spaces에 PressButton 태스크 클래스도 없음(생성 쪽 커스텀 config). closed-loop 성공률을 재려면 벤치·태스크 클래스를 직접 만들거나 hand-off 벤치처럼 자체 러너를 짜야 한다. 당장 가능한 건 val split을 뗀 open-loop L1뿐.obs_scene.task_description에 지시문 원문("Press the button on the coffee maker")이 그대로 보존(129종, 색·형태 수식어 포함) — place 때 겪은 변환 중 지시문 유실 위험이 없다.press는 place/open/close와 같은 파이프라인에 그대로 얹을 수 있다(지시문·스키마 정합, sensor_data만 수리하면 됨). 데이터 품질 지표도 전부 통과(11,070/11,070 pressed ∧ clean). 물체 구성이 coffeemaker 49% + microwave 23% + 세탁/건조기 27%로 open(서랍장 99%)보다 다양해, open에서 겪은 "학습 물체에서만 습득" 문제는 덜할 수 있다 — 특히 microwaveoven은 Open/Close 벤치에서 두 모델 모두 0/23이던 카테고리라 press에서의 개선 여부가 흥미롭다.
다만 평가가 병목이다. open/close는 기존 HardBench가 있어 성공률로 검증했지만 press는 벤치가 없어 "학습은 되는데 성능을 못 재는" 상태가 된다.
아직 전량 다운로드·학습을 하지 않은 상태. 다운로드·추출 ≈ 65GB(shard) + 60GB(추출) = 125GB (NAS 여유 102TB라 문제 없음).
1) prep_openclose.sh와 같은 방식의 prep_press.sh(추출 → sensor_data 채우기 → index/stats 생성) 작성.
2) 학습 레시피: 기존 place_oc(main 0.24/Pick 0.12/PnP 0.08/NextTo 0.12/Color 0.08/place 0.16/open 0.10/close 0.10)를 비례 축소해 press 0.10 추가.
3) 평가 수단 확보 — 이미 착수: press 전용 벤치 신설(별도 카드 참조).