Daily Progress — 2026-10-05 (월)

EmbodiedSWE High

지난 3일 한 일

• SLURM 530건 (~132 GPUh, 전부 1 GPU, 대부분 extra·own 혼용 1~1.5h 제한): 가구별 solve 에피소드를 seed 0–5 병렬 제출(desk, square_table, stool, lamp, drawer, round_table, cabinet). 10/05 08:44 기준 cabinet cb37·chair ch1 RUNNING.
• FurnitureBench 전 태스크 1차 완주 (10/03): 나사 조이기를 diff_ik → pinocchio IK 관절 경로로 교체 후 square_table 5/6(v9) → 6/6(v14), lamp 6/6(전구 나사 = 다리 스터드 규격, 구름은 angular damping 5.0으로 해결), round_table 6/6(나사 결합 쌍은 위치+나사축만 판정), desk 5/6, drawer 4/6(손잡이 파지로 변경, 3.5 mm 패널은 약 4 N로 1 cm 미끄러짐), stool ~3/6.
• real 데모 참고 stool 재작업 (v22–v27, 10/04): stool low real 23 GB 확보 → 기울인 집기(45°)·놓기 전 60° 옆 회전·촘촘한 손 충돌검사 반영. 첫 두 다리 놓기 문제 소멸, 깊이 68 → 59.6 mm. 그러나 v27 3/6(v11과 동일), 실패 3건 모두 hole 2(spin 210°, 깊이 56.9 mm·cos 0.996).
• cabinet 재판정·첫 성공 (10/04): 기존 "강체 시뮬 불가" 근거(누운 몸통 + 중력)가 왜곡이었음 — top plate 문 영역 개방, 문이 기둥을 따라 123 → 41/61 mm까지 하강 확인. 문 높이 여유 ±1 mm(CAB_DOOR_RISE=1.5 mm), DATUM_FIX x −0.02275 → −0.0275(원 값은 몸통 2.86 mm 관통), hinge_damping=20. 결과: 문 2개 5/6(오차 0.5–1.7 mm), top 단독 3/3(0.1–0.3 mm), 몸통 세우기 ~3/6, 전체 1/6(cb23, seed 2).
• 문서: 261002/exp-furniture_desk_and_fixes.md, 261003/exp-furniture_bench_all_tasks.md, 261004/exp-furniture_cabinet.md, context.md.

오늘 할 일

• RUNNING cb37(seed 0/1/3/4) · ch1_s0 결과 확인 — cb24 이후 closed-loop 회전(모서리 높이 보정)으로 세우기 성공률이 올랐는지.
• chair: 다리 2개는 나사 파이프라인, 등받이는 좌판을 뒤집어 세우는 전략 필요. real 데모 재시도 / FurnitureBench scripted chair 참고.
• stool hole 2: 놓기 직전 2차 옆 회전(120°) 또는 좌판 회전으로 hole 2를 손이 닿기 쉬운 위치로. desk s2(다리 간격 50 mm 집기 불가), drawer s1/s4 미해결.
• sim-to-real(AprilTag 텍스처·카메라·배경)은 cabinet/chair 이후(사용자 결정).

Zero-WAM High

지난 3일 한 일

• SLURM 85건 (~349 GPUh): text-only 학습 zw_textonly(169687, 8 GPU, own, 17:49:52 완료, 142.6 GPUh) · a2b 8조건 평가(169768–75, extra, 각 ~2.5h, preempt 4회 → resume_until_done.sh 이어받기) · 생성 demo 평가 gd_*/g1_*(각 2~3h) · demo 생성 demogen/demoflf/scenevid · text-only ckpt lang 평가 tw_lang_*(12h 제한, TIMEOUT 3건 → 잔여 episode만 재제출).
• P0 에피소드 분석 (10/02): 같은 seed = 같은 장면(첫 프레임 MAE 0.17–0.24 vs 다른 seed 1.25–2.91). 같은 장면 짝 비교 demo 효과 pooled +6.1pp, 바뀐 162 에피소드 실패 원인 라벨링. demo 이득의 79~88%는 잡기·놓기 개선.
• 목표 명세 실험 (place_a2b): 원본 env가 left일 때 A를 B 오른쪽에서 시작시켜 장면이 목표를 누설함을 발견 → 생성기 × 영상 × 캡션(맞음/교체) 2×2×2. 결과 P(left|placed): left 생성기 0.90–0.95, right 생성기 0.12–0.21 — 영상·캡션 무관, 장면 효과 ≈ +88~93pp. 유효 배치 63%(252/400).
• 생성 demo 평가 (논문 HumanGen 파이프라인 재현: head-cam 첫 프레임 → Nano Banana 변환 → Wan FLF): 사람 블라인드 판정 좌/우 10/10 일치, 자연스러움 9/10 "어색"(제3의 팔). 같은 장면 짝에서 demo 따라 바뀐 비율 ZW32K 0/78, 공개 full ZW 2/28. demo 효과 ZW32K −1.9pp [−7.8, +4.0], 공개 full ZW +10.5pp [−0.8, +21.8]. 언어 지시도 0/103.
• 문서: 261002/exp-a2b_goal_spec.md, analysis-demo_paired_failure_modes.md, context.md.

오늘 할 일

• RUNNING 2건(stack_blocks_three, open_microwave lang) 완료 후 7태스크 lang 취합 → text-only 대 ICL 학습 효과 분리.
• 남은 대조: 36K~48K ckpt ICL 평가(과적합 vs Adam 재시작), 영상만 교체 + 캡션 고정, video 마지막 프레임만 조건. 시드 2~3개 추가 필요(논문 17.45±1.40 대비 Δ 해석).
• 공개 zero-wam-posttrain-robotwin 7태스크 재현 — 현재 place_empty_cup 7/10만 확인.
• 한 job에 태스크를 묶지 말고 own·1 GPU 분리(이전 평가에서 유휴 GPU 발생 이력). 12h 제한 초과 방지를 위해 ep 분할.

GPT-Policy High

지난 3일 한 일

• SLURM 56건 (~36 GPUh, 1 GPU, own, 32 GB): run_furniture.sbatch 53건(COMPLETED 50 / FAILED 3: square_table 171725·171960, round_table 171869) + furniture-inspect 3건(FAILED 2). 최근 run은 171xxx–173154, desk XXL(173153, 2260 s)·stool(173154, 461 s).
• 도구·어댑터 개선: screw(top-down 반복 회전), move_joint_space(다중 시드 IK + 관절 보간), 그리퍼 13N/friction 15, 쥔 상태 settle 판정, protective stop, joint-space home, Codex 히스토리 replay 최근 40개 제한(300+ decision 장기 run).
• 결과: one_leg v2 6/10(300s; 나사축 기준 8/10), square_table 4/4 다리(484 dec, 1307 s), lamp 2/5, desk 3/4 다리(500→700→1000 dec 모두 3/4 근처), round_table top+leg 5/5 조립(받침 yaw 불일치), stool 4연속 실패(다리 ~10° 벌어진 설계), drawer/cabinet 0, chair 시뮬 너트 SDF 생성 실패. decide 지연 ~9–11 s/decision 일정.
• 비용: 누적 77 run ≈ API 환산 $2,005(desk XXL 1건 $264). 첫 계정 한도 소진 → 두 번째 Pro 계정도 한도 초과로 구매 크레딧 자동 차감 확인(호출당 ~6.4 크레딧, 846 호출 ≈ 5,400 크레딧).
• 문서: 261003/exp-furniture_one_leg_geometry_prompt.md, exp-furniturebench_other_tasks.md, 261004/progress-furniturebench_overall.md, context.md.

오늘 할 일

• 신규 run 제출 전 사용자 확인(크레딧 소모). 확인 후: 탁판 회전/재정렬 전용 도구(다리형 가구에서 decision 대부분 소모), stool용 나사축 기준 회전 도구, drawer/cabinet 동작 분석 후 재설계.
• 미해결: give_up 후 return_home IK 실패 → job FAILED, 스레드 refresh 턴이 비용 44%, 체결 여부 검증 수단 부재(힘/토크·part pose 없음), chair SDF 조사.

EgoX_H200 (= Exo-to-Ego_Wan2.1_finetune) High

지난 3일 한 일

• SLURM 278건 (~79 GPUh, 1 GPU, extra): yt_gen 219(COMPLETED 216 / PREEMPTED 3, 클립당 생성), yt_screen 45, yt_find 3, yt_wrist 4, egox_itw 4(PREEMPTED 1), egox_auto 3(PREEMPTED 1).
• B200 재현 (10/04): inference_all_fast.py cos_sim 크기 불일치(98 vs 56, 죽은 코드) 주석 처리, meta 11 vs 영상 10 순서 불일치 → camera_params_aligned.json. in-the-wild 10클립 전부 생성(1232×448, 49f), 약 9.0 s/it × 50 step ≈ 7.5분/클립(GPU 68 GiB).
• SAM3D 자동 ego pose 파이프라인: scripts/auto_ego/run.sh 한 줄로 ViPE → SAM3D head pose → ViPE depth 스케일 보정 → 눈 오프셋 → prior 렌더 → gpt-4o 캡션 → 생성. 스케일 배율이 수동 비율을 추종(hulk_blackwidow 4.00/4.06, joker 1.25/1.27); 작은 머리 depth 패치 버그 수정(halland 1.19 → 0.911, 수동 0.911). 전 단계 14분(생성 약 10분). 회전 오차 클립별 7.4~58.6°, 중앙값 27.3°.
• 유튜브 자동 수집 → 대량 생성: 한국 영상 306개 → 후보 665 → 선별 통과 231(36%) → 생성 217 → 추천 30 + 예비 12. 채점 5점 24 / 4점 57 / 3점 67 / 2점 40 / 1점 25(4점 이상 38%). 1차 필터에서 정면 샷 52%(187/359) 확인.
• 주의: ~/template.sh가 종료 코드를 넘기지 않아 크래시한 job도 sacct에 COMPLETED로 표시 — 성공 여부는 로그/출력으로 확인.

오늘 할 일

• 회전 차이 원인 분리(SAM3D 오차 vs 수동 annotation 주관): 수동/자동 prior 클립별 병렬 렌더, 필요 시 pitch-down 보정.
• 자동 prior 시야/하늘 점 분포 차이(렌더 설정), 파란 톤 색 불일치 원인, 자막·그래픽 overlay OCR 필터, 다중 인물 ego 대상 지정 방식.
• 추천 30개 최종 확인(results/auto_ego_youtube/_recommended/).

ICL_CVPR Medium

지난 3일 한 일

• SLURM·commit 없음, 문서 2건(10/02). 자체 수치 대조: 영상 context 추론 기여 +6.33pp, 교체 낙폭 −13pp, 틀린 demo 잔존 25.33%, stamp_seal 프롬프트 재작성만으로 +13pp → "영상이 '어떻게'를 전달"하는 전제가 약함. FurnitureSim one_leg은 LingBot-VA 0.13 vs scripted 0.983이라 접촉 조립은 hero 실험에 부적합, stack_blocks_three도 자체 0/100.
• RoboICL / RoboDawn / GPT-Policy 리뷰: 세 논문 모두 강한 결과의 출처가 action 포함 로봇 데모이며, 사람 영상 접촉 태스크 결과 없음. 검토 목표 "사람 영상 1편 → 리허설 → 첫 에피소드 성공". HumanGen이 5초 clip ↔ 로봇 구간 쌍이라 agent의 구간 분할은 in-distribution.

오늘 할 일

• 공개 zero-wam-posttrain-robotwin로 7태스크 lang/ICL/교체 3조건. K지선다 스위트(A~D) 설계(RoboTwin은 장면만으로 과제가 정해져 반증 불가 — Zero-WAM a2b 결과가 이를 직접 뒷받침).
• baseline 확정: monolithic 전체 영상, retrieval(ReCAP), 생성 subgoal(π0.7 / MaP-WAM), 언어 harness(HarnessWAM). agent + 언어 재작성 baseline(stamp_seal +13pp)을 이겨야 함.

EgoX_wan2.2 Low

지난 3일 한 일

• 10/02 로그 재분석 문서 1건(SLURM·commit 없음). "81f training collapse" = NaN이 아니라 scene_name = split('/')[-5] 버그로 전 샘플이 캐시 1개 공유 → 단일 샘플 암기(Phase 1 loss 0.0111 → 0.0001, 약 2주치 8 GPU 학습 낭비). 4/8 fix 후 Wan2.2 81f: Phase 1 ~0.035 평탄, Phase 2 0.128 → 0.120 → 0.128 반등, grad_norm ~5k step 이후 0.03 → 0.065~0.07. Wan2.1 대조군 ~0.097도 평탄. 실제 lr은 전 run 1e-4(폴더명 3e-5는 오표기).

오늘 할 일

• 정량 평가 전무 → Original / Wan2.1-81f / Wan2.2-81f 동일 val set PSNR/LPIPS/FVD. LR ablation(3e-5, 또는 rank 32 + 1e-4), 49f에서 Wan2.2 vs Wan2.1 비교로 base 효과와 81f 데이터 효과 분리. (재개 여부 결정 필요 — Active 없음)

그 외 프로젝트

scene_bench (scene-mem-gen 포함) · scene_bench_paper · FurnitureBench — No activity (3일간 커밋·claude/ 문서·SLURM 없음). Exo-to-Ego_Wan2.1_finetune은 EgoX_H200로 symlink되어 위 카드에 통합.