1 TB 서브셋 다운로드와 X-WAM 파이프라인 설계를 마친 시점에 근본적인 문제 제기가 나왔다: "UMI 그리퍼 하드웨어가 없어 실기 배포가 불가능하고, 시뮬레이터에도 같은 그리퍼를 넣을 수 없다. 그러면 학습해도 eval을 못 하는데 학습하는 게 맞는가?" 파이프라인 구현에 들어가기 전에 결론이 나야 하는 질문이라 먼저 판단했다.
세 갈래로 실사했다: eval 인프라 실존 여부, embodiment가 맞는 대조군 판정, action 수치 스케일 직접 대조.
RoboCasa를 그대로 쓰지 않고 굳이 RoboTwin으로 바꾼 이유: RoboCasa는 num_arms_avail=1이라
action 14-dim 중 right 7 dim이 0으로 마스킹된다 — HiFi-UMI 양팔 데이터의 절반을 버리는 대조군이 된다.
README 기준 RoboCasa 79.2% / RoboTwin 2.0 Clean 89.8% / Randomized 90.7%.
eval_results/에 X-WAM_full0~3, X-WAM_std10_g0/g1 등 다수 실행 기록 존재.
| 항목 | RoboTwin (robotwin.yaml q01/q99) | HiFi-UMI (실측) |
|---|---|---|
| action_*_ee_xyz | ±0.0178 / ±0.0153 / ±0.0128 m | Δpos p99 = 0.0202 m |
| action_*_ee_axisangle | ±0.0427 / ±0.0867 / ±0.0577 rad (2.4°/5.0°/3.3°) | Δrot p99 = 3.4° |
| gripper_pos | [0,1] 정규화, inverse_gripper: false | 0~0.6 rad, 클수록 열림 |
| proprio_*_ee_xyz z | [0.835, 1.087] | median 0.46, 범위 [-0.48, 1.14] |
| 양팔 채움 | left+right 모두 | left+right 모두 |
논문 pretraining = 4,000h. 현재 보유 = 121h (3%). α=0.268이면 이득 2배에 데이터 13배 필요. 121h에서의 transfer 이득은 RoboCasa/RoboTwin 성공률 노이즈(수 pp) 아래일 공산이 크다. → "효과 없음"이 아니라 "측정 실패"를 관측하게 된다.
"배포 불가 → 학습 무의미"는 성립하지 않는다. WAM은 pretraining corpus로서 transfer delta로 평가할 수 있고 그 인프라는 이미 있다. 다만 대조군은 RoboTwin 2.0이어야 하고(양팔), action 수치 스케일은 실측 결과 호환된다.
진짜 리스크는 embodiment가 아니라 두 가지다: (1) 121h는 실험을 underpowered로 만든다 → 데이터를 늘려야 한다, (2) cross-embodiment 전이는 논문도 보이지 않은 미검증 가설이다. 즉 이건 엔지니어링 문제가 아니라 연구 질문이다.
배포 불가라는 제약이 오히려 view 선택을 바꾼다: 6-view의 풍부함은 배포 가능한 양팔 policy에나 의미가 있다. 표현 pretraining엔 시간·장면·task 다양성이 더 중요하므로 A안(head_main only, 2,000h 전체, 2.88 TB)이 E안(6-view, 121h)보다 낫다. 논문 대비 3% → 50%가 된다. 다운로드는 실측 837 MiB/s라 ~0.9h.
(a) RoboTwin transfer 실험으로 진행 / (b) action 빼고 egocentric 비디오 world-model corpus로만 사용 / (c) 중단 — 세 옵션 중 결정 대기 상태였다. (실제로는 이후 (b) 방향, world-action-model 학습으로 확정됨 — 관련 내용은 X-WAM 컨버터 검증 리포트 참조.)
(a)로 갈 경우 실험 설계 먼저: RoboTwin 성공률의 시행 간 분산을 먼저 측정해 검출 가능한 최소 효과크기(MDE)를 구하고, 그에 맞춰 시행 수를 정한다. 이걸 안 하면 결과가 나와도 해석할 수 없다. 어느 쪽이든 head_main 전체(2.88 TB) 확보는 손해가 아니므로 선행 권장.