5a8a2da → 08e2c4a (force-push, orphan commit)move_stapler_pad(yaw 조건 제거, 접촉 기준)와 stamp_seal(1→3 cm). 자체 LingBot-VA는 upstream 기준으로 평가해 1.00% vs 23.33% 미재현은 기준 차이일 가능성이 높음.9/9 clone 시점의 main은 README·LICENSE·그림 2장뿐이었다. README에는 "Code/Model/Data before Sep 15, 2026"이라고 적혀 있었다. 9/15 git pull에서 forced-update가 일어나 저장소가 새 orphan 커밋 08e2c4a "Initial public release"로 교체됐다. 공개 범위를 확인하고, 9/9 분석(자체 LingBot-VA 27.86%, move_stapler_pad 미재현)에 영향을 주는 변경이 있는지 점검했다.
move_stapler_pad 자체 1.00% vs 논문 23.33%(−22.33pp)의 원인을 판별하지 못해 "근거로 쓰지 말 것"으로 보류해 둔 상태였다.| 경로 | 내용 |
|---|---|
wan_va/modules/icl_model.py | 1,394줄. WanICLTransformer3DModel, ICL attention mask(target→ICL, ICL↔ICL 양방향), ICL KV cache |
wan_va/mcp.py | MCP 4 modules, loss [0.5,0.25,0.15,0.1], future_chunk_stride=2 (in-context future chunk prediction 구현으로 보임) |
wan_va/dataset/icl_lerobot_latent_dataset.py | manifest 기반 robot↔human latent 페어링. unseen 7태스크를 제외하고 43태스크가 아니면 에러 |
wan_va/dataset/dataset_mixture.py | DATASETS="robotwin:1.0,agibot:1.0,…" 가중 샘플링 |
wan_va/wan_va_server.py / train.py | 추론 서버(ICL latent 로드 또는 인코딩 후 cache) / 학습 루프 |
evaluation/robotwin/ | websocket client, 단일·8-GPU launcher, calc_stat.py, 수정 env 2개, 태스크별 고정 human video(kling-v3 생성) |
tests/ | 12개 (ICL dataset/model/server, mixture, config, training alignment) |
LingBot-VA 포크이며 wan_va 패키지 구조가 같다. model.py 326줄, wan_va_server.py 593줄, train.py 780줄이 달라졌다. 추론 기본값은 ICL_CFG=5, TARGET_TEXT_CFG=-1, attn_window=64, frame_chunk_size=2, ICL 영상 320×480 @12fps. 학습 기본값은 lr 1e-4, 50K steps, drop_icl=0.1, droptext_target=0.4. 테스트 환경은 Python 3.10, torch 2.9.0 cu126, lerobot 0.3.3, RoboTwin 2eeec322.
| Repo | 생성 | 크기 | 구성 |
|---|---|---|---|
Robbyant-Research/zero-wam-pretrain | 09-13 | 37.1 GB | transformer 8 shards + text encoder + VAE |
Robbyant-Research/zero-wam-posttrain-robotwin | 09-13 | 37.1 GB | transformer 15 shards + text encoder + VAE |
Robbyant-Research/HumanGen (dataset) | 09-13 | 326.8 GB | robotwin_data 17.2 (unseen 7태스크 포함) · human_latents 35.2 · human_data 69.2 · agibot 31.5 · interna1 70.9 · robocoin 73.0 · robomind 22.9 · oxe 6.7 |
INSTALL.md와 논문 각주(main.tex:879–883, "We apply the same modified criteria to all methods")에 따르면 논문 표의 모든 방법이 아래 수정 기준으로 평가됐다.
| 태스크 | upstream RoboTwin (자체 평가에 사용) | Zero-WAM 수정본 (논문 수치) |
|---|---|---|
move_stapler_pad | 위치 |Δ| < (2, 2, 1) cm + yaw 정렬(|q| max−min < 0.02) + 그리퍼 open | xy가 pad(±5.5×±3.0 cm) + 2.5 cm margin 안 + pad 접촉 + 그리퍼 open, yaw 무관 |
stamp_seal | xy 허용오차 1 cm | xy 허용오차 3 cm |
로컬 ~/repos/Robotics/RoboTwin의 두 파일은 수정 없음(git status clean, 마지막 변경 cdfdffe 2025-07-10)이다. 자체 결과 eval_result/*/LingBot_VA도 이 체크아웃에서 나왔다.
| 태스크 | LingBot-VA 논문 (수정 기준) | LingBot-VA 자체 (upstream 기준) | Zero-WAM 논문 |
|---|---|---|---|
| Move Stapler Pad | 23.33 | 1.00 | 69.14 |
| Stamp Seal | 3.67 | 4.00 | 47.00 |
move_stapler_pad의 −22.33pp 미재현은 학습 차이보다 성공 조건 차이로 먼저 설명된다. upstream은 yaw까지 맞춰야 성공이고, 논문 기준은 pad 위에 놓기만 하면 된다.stamp_seal은 엄밀한 상위집합). 따라서 자체 LingBot-VA macro 27.86%는 논문 프로토콜 기준으로 과소평가일 수 있다. "논문 language baseline이 약하게 보고됐다"(관측 6)는 오히려 강화될 수 있다.stamp_seal 언어 실패(관측 8)는 유지된다. 엄격한 기준에서 4.00%이므로 느슨한 기준 값은 ≥4.00%지만, 47.00%와 비교하면 여전히 낮을 가능성이 크다.ICL_HUMAN_VIDEO_MAP override가 생겨, 미해결이던 video 대조군(무관 태스크 영상 등)을 재학습 없이 실행할 수 있다.move_stapler_pad, stamp_seal 각 n=100. RoboTwin envs를 .upstream으로 백업하고 교체한다. 가설: move_stapler_pad 1.00% → 두 자릿수 %. 결과가 나올 때까지 두 태스크의 자체-vs-논문 비교는 보류한다.
run_icl_eval.sh(8 GPU, sbatch)로 논문 46.95%와 대조한다. 이어서 ICL_HUMAN_VIDEO_MAP에 무관 태스크 영상을 넣어 place_bread_basket Δvideo −28.92pp를 검증한다.
로컬 96c1fea에서 테스트 rev 2eeec322이 조상으로 확인되지 않는다. 재평가 전에 태스크 코드 차이를 확인한다. stamp_seal 프롬프트 재작성 실험도 수정 기준으로 돌려야 비교할 수 있다.