Daily Progress — 2026-10-19 (월)

기간: 금~일 (최근 3일, 2026-10-16 ~ 10-18) · 대상 프로젝트 목록 중 활동 3개 / 활동 없음 다수
3활성 프로젝트 (RoboTTA, ego2robot, rr-bench)
14commits (ego2robot; +24,683 / −816, 132 files)
653SLURM jobs (600 완료 · 31 PREEMPTED · 21 CANCELLED)
≈607GPU·h (RoboTTA 523 / ego2robot 72 / rr-bench 12)
0RUNNING job (현재 squeue 비어 있음)

오늘의 우선순위

현재 RUNNING 작업 없음 → GPU 여유 상태. 우선순위는 “다음 job을 무엇으로 던질지” 기준.

  1. RoboTTA — handoff 회복 fine-tune이 대조군보다 나쁨(조립 5/60 vs 19/60). p48 대조군(3k step 추가학습)을 새 기준점으로 삼아 v2 데이터(오차>5mm, 1:3)를 p48에서 출발시켜 비교하거나 저 lr 이어학습 제출. 병행: AssembleBench CG-DAgger 1라운드(197283–197291) 결과 확인 → convert_dagger_to_longwam.py → 파인튜닝.
  2. RoboTTA / T2-Z push — luck baseline 통과(0.84 vs 0.35). 다음은 history shuffle(다른 인스턴스 영상 투입)로 “내용에서 μ를 읽는가” 확인, k≥3 정체/768 window 처리.
  3. ego2robot — production 재변환 완료(Active 없음). 남은 minor(테스트 공백 mutation 14/25 생존, 팔 link–물체 충돌 미검사)와 `_phys` 데이터셋 소비처(lingbot-va / starVLA) 연결 결정.
  4. rr-bench — 사용자 결정 대기 2건: RRBENCH_BASE_HEIGHT 기본값 전환 여부, v2 재실행 나머지(실행 GT 2,910셀 ≈$670·810 GPU·h) 승인.
  5. 그 외 프로젝트(아래 “활동 없음”)는 이번 기간 변경 없음 — 별도 조치 불필요.

TL;DR

프로젝트 카드

RoboTTA High

목표: Long-WAM이 자기 시도 영상 히스토리만으로 재시도할수록 조건부 성공률이 오르게 함 (가중치 업데이트·reward·사람 없이)

어제까지 한 일 (문서 12건, 2026-10-16~19)

  • Handoff 회복 fine-tune 평가 (analysis-handoff_ft_eval): 600 ep 생성 → 421 ep(281K frame) 채택, p48 + 1:1 혼합 3000 step. 안착/조립: handoff 13/60 · 5/60, 대조군 21/60 · 19/60. 안착 13개 중 8개가 조립 실패(반쯤 조인 채 4, 넘어짐 4). 시도≥2는 1/10. 대조군이 원 데이터 +3000 step(lr 5e-5)만으로 조립 19/60 → 새 기준점.
  • Step별 평가·v2 handoff: v1 1:1 확실히 손해(조립 18 vs 56/240), v2(오차>5mm, 1:3)는 동률(38 vs 38/240)이나 재시도 행동 첫 관찰 2/11. 대조군 3k에서 이어 학습하면 기준선 퇴보(19→9–13/60).
  • Recovery fine-tune 평가 (10/16): 원래+회복 4/60 vs 원래만 5/60 — 효과 없음. 입구 도달 ~25 step 뒤 그리퍼를 열어 leg 넘어짐, 재시도 0건.
  • T2-Z push 테스트베드: 2000 ep 생성(job 196398), Long-WAM AD 학습 → step 3000 평가(100 unseen, K=6). history on solved@6 0.84 / cond k=2 0.56 / 오차 3.9→1.3cm, luck(재seed) 0.35 / 0.08, 결정적 반복 0.21 / 0.00. 단 teacher(0.98 by k=3) 대비 k≥3에서 정체, attempt 6은 768 window 초과로 붕괴.
  • AssembleBench: pi0.5 BC만(12k) 16mm 2/30·12mm 0/30 vs BC+DAgger 6/50·6/60 → 격차는 DAgger. Long-WAM CG-DAgger 인프라(dagger_recorder.py, DAGGER=both) 구축, 1라운드 수집 job 197283–197291 제출. Long-WAM AB 학습(195249, 9670 step) 평가는 0/180(공중 grasp).
  • RoboCasa365 진단: 계획 오류 77%, oracle 55% vs foreign 12% vs static 0%. target split 65.7% vs pretrain 69.6% → 오버피팅 아님. 결정별 새 noise SR 69.9→74.5%.
  • Related work 3건: VLRLA(2610.19517, 코드 비공개), Real-Time EXPO-FT, T2-Z — 차용 세팅/ablation 정리.

오늘 할 일 / 미해결

  • p48 출발 v2 비교 또는 저 lr 이어학습 (재시도 후 안착해도 놓쳐 넘어짐 — 조이기 미포함 truncate 의심).
  • DAgger 1라운드 결과 수집 → Long-WAM 변환·파인튜닝(TASK=assemblebench_dagger INIT=step_009670.pt) → 재평가.
  • T2-Z: history shuffle, 3+ attempt upweight, 768 window 처리(K≤5 또는 최초 attempt drop).
  • VLRLA/RoboTTT 구분 실험(다른 인스턴스 history 이식, reward 1비트 ablation).
  • 인스턴스 고정 숨은 변수(파지 오프셋, 구멍 편향) 설계. one_leg 삽입 실패는 실행 노이즈 쪽(seed 효과 없음).
  • own GPU 8장이 다른 job(lwam_rt_train 4, ll_egox_ar 4)에 점유 → extra로만 제출 가능, preempt 대비 checkpoint 필수.

SLURM: 456 jobs · ≈523 GPU·h · PREEMPTED 27 / CANCELLED 8 · 최대: lwam_t2z_push(19h12m, 4 GPU), lwam_fb_ctrl_ft(19h58m), lwam_fb_rec_ft(19h11m). git repo 아님(커밋 집계 불가).

ego2robot High

목표: H2O egocentric 영상 → bimanual robot LeRobot 데이터셋 (Ego2Robot 재구현)

어제까지 한 일 (커밋 14 · +24,683/−816 · 문서 10건)

  • Physics replay 단계 추가 (a652357): H2O digital twin으로 dataset action의 물리 성공 검증. 결과: 기존 kinematic dataset moved 성공 ALOHA 4/829, UR5e 61/829 → 원인은 retargeting (lifted 프레임 21–48%에서 gap ≥ 물체 폭).
  • IK 수정 (a875557): daqp가 feasible QP를 unsolved로 보고하는 경우 quadprog fallback. UR5e full run IK 분석.
  • Object-aware grasp retargeting (8864596, 3,448 insertions): GT 물체 pose+mesh로 grasp 검출·합성·trajectory 재구성. lifted 프레임 커버율 99.95%. 독립 검증 2회.
  • 2–4차 수정 (0cb02f5, +3,003/−532): reached-pose 충돌 flag, flip-aware 검사, joint wrap, GT flip relabel. production 재변환 184/184 seq 실패 0.
  • 결과: physics moved 성공 ALOHA 4→174, UR5e 61→317 (/829; null baseline 128). 기본 ALOHA 680 ep/63,992 frame, UR5e 518 ep/46,123; _phys ALOHA 179 ep/16,735, UR5e 289 ep/26,939. verify_dataset 8개 모두 통과.
  • docs 갱신 80ca396, context d5da874.

오늘 할 일 / 미해결

  • 학습에는 _phys 사용 또는 aux.object_penetration mask (penetration episode L4 실패: ALOHA 436/466, UR5e 134/181).
  • ALOHA stroke 58 mm로 milk/chips/cocoa/cappuccino 파지 불가. UR5e L1 ik_fail_ratio reject 357/933.
  • 4차 검증 minor: 테스트 mutation 14/25 생존, replan margin이 flip variant를 섞음, 팔 link–물체 충돌 미검사(ALOHA 850, UR5e 2,886 arm-frame), 손–손 최소 8.4 mm.
  • 소비처 결정: lingbot-va(v2.1) / starVLA(v3.0) 학습 연결.

SLURM: 177 jobs · ≈72 GPU·h · 최대: e2r_aloha_full(8 GPU, 2h31m), rp_aloha/rp_ur5e(8 GPU, ≈1h20m), e2r_aloha_replan(4 GPU). Active experiment 없음. 활성 하위 디렉토리(tmp/runs/*, verify_grasp*, research/ik_render)는 같은 repo의 작업 사본.

rr-bench Medium

목표: R&R-Bench 평가 하네스 공개 repo (논문 표 재현)

어제까지 한 일 (문서 3건, 커밋 0 — 브랜치 fix/audit-261007 미커밋)

  • v2 QA 전체 (6방법×5세트, 약 $333, 오류 0): place_set — Finding 0.124/0.490/0.379/0.492/0.544/0.560 (No Mem/GT Log/Uniform/MEM^R/MemER^R/R&R), Restore GT 0.540 vs R&R 0.274, Routine GT 0.731 vs R&R 0.627, Resume GT 0.991~1.0 vs R&R 0.40.
  • navigate 분석: 첫 pick 시도 성공률 <0.45m 0.60, 0.45–0.55m 0.53, 0.55–0.65m 0.30, 0.65–0.8m 0.11. 방향 오차 영향 거의 없음.
  • 링 수정 A/B (VLM 없음, 115짝): pick 0.30→0.40, 도착 거리 중앙값 0.61→0.44m (22 대 11, p≈0.08). base 높이 스위치 추가 시 0.51 (25 대 12, p=0.047); open은 0→3/38.

오늘 할 일 / 미해결

  • 결정 대기: RRBENCH_BASE_HEIGHT 기본 전환 여부.
  • 승인 대기: 실행 GT 2,910셀(≈$670·810 GPU·h), recalled, writer 입력 ablation(job 190516 중단 상태, 체크포인트 runs/ablation/writer_input/).
  • GT Action Log 가구 단어 어긋남 3개(Restore 2녹화) 미조치. HF 데이터셋에 v2 라벨 미반영.

SLURM: 19 jobs · ≈12 GPU·h · rr_qafull_* (CPU, 완료 5 / CANCELLED 2) + pickprobe_* (1 GPU, 각 ≈1.5h). 변경: QA 비용은 하루 키당 $95 한도 준수.

활동 없음 (No activity)

EgoX_H200 · EgoX_LongLive · Exo-to-Ego_Wan2.1_finetune · KEH0T0.github.io · LongLive(Long-WAM) · AI899 · agent_icl · try-and-suc · Bricks · scene_bench · EmbodiedSWE · GPT-Policy · RoboDojo · Zero-WAM · lingbot-va — 기간 내 커밋·claude 문서 변경·SLURM 작업 모두 없음. (LongLive/Long-WAM RoboTwin 학습은 RoboTTA 컨텍스트상 별도 진행 중이나 해당 repo에는 이번 기간 변경 없음.)

SLURM 요약

기간: 10-16 이후 · 총 653건 (대상 3개 프로젝트 652건). 프로젝트는 WorkDir 기준, “실행 명령”은 JobName. 4 GPU 이상은 개별 표기, 1 GPU 이하 평가/생성 job은 이름 패턴(*)으로 묶음. 현재 RUNNING/PENDING 없음.

Job ID프로젝트(WorkDir)실행 명령(JobName)GPU상태실행 시간노드QOS
193353RoboTTAlwam_fb_rec_ft4COMPLETED19:10:41n13own
193354RoboTTAlwam_fb_ctrl_ft4COMPLETED19:58:02n19own
193864RoboTTAlwam_ab_train4PREEMPTED02:50:00n63extra
194092RoboTTAlwam_ab_train4PREEMPTED00:13:30n127extra
194139RoboTTAlwam_ab_train4PREEMPTED02:21:30n15extra
195249RoboTTAlwam_ab_train4COMPLETED11:21:35n37own
196441RoboTTAlwam_t2z_push4COMPLETED00:05:04n57extra
196898ego2robote2r_aloha_full8COMPLETED02:31:05n0own
196991RoboTTAlwam_fb_handoff_ft4COMPLETED04:44:44n12own
196992RoboTTAlwam_fb_handoff_ctrl4COMPLETED04:46:28n13own
197097ego2robote2r_aloha_replan4COMPLETED01:51:02n32own
197098RoboTTAlwam_t2z_push4PREEMPTED03:18:31n2extra
197540RoboTTAlwam_t2z_push4PREEMPTED02:36:00n2extra
197603RoboTTAlwam_fb_ho2_ft4COMPLETED04:54:20n90own
197604RoboTTAlwam_fb_ho2_ctrl4COMPLETED04:45:26n5own
197729RoboTTAlwam_t2z_push4PREEMPTED01:27:30n2extra
197890RoboTTAlwam_t2z_push4PREEMPTED00:14:30n21extra
197927RoboTTAlwam_t2z_push4COMPLETED19:11:51n21extra
198611ego2robote2r_ur5e8COMPLETED01:02:27n2own
198612ego2robote2r_aloha28COMPLETED01:04:08n11extra
200336ego2robotrp_ur5e8COMPLETED01:16:19n44own
200337ego2robotrp_aloha8COMPLETED01:23:57n27extra
196838–196948RoboTTAfbhs* ×611COMPLETED 60 / PREEMPTED 113.5 GPU·h——
197283–197291RoboTTAab_dagger_r1* ×90/1COMPLETED 4 / CANCELLED 3 / PREEMPTED 27.0 GPU·h——
195993–196374RoboTTArc365_fresh* ×41COMPLETED 3 / PREEMPTED 16.3 GPU·h——
195223–195837RoboTTArc365_target* ×91PREEMPTED 6 / COMPLETED 35.8 GPU·h——
195250–196380RoboTTAab_lwam* ×71PREEMPTED 2 / COMPLETED 55.3 GPU·h——
195996–196375RoboTTArc365_af* ×41COMPLETED 3 / PREEMPTED 14.9 GPU·h——
198050–198099RoboTTAfbh2_ctrl3k* ×401COMPLETED 404.9 GPU·h——
197446–197557RoboTTAfbho_p48* ×411COMPLETED 40 / CANCELLED 14.7 GPU·h——
198159–198178RoboTTAfbst_a_02* ×201COMPLETED 204.3 GPU·h——
198219–198238RoboTTAfbst_b_02* ×201COMPLETED 204.1 GPU·h——
198249–198413RoboTTAfbst_bc_02* ×211COMPLETED 20 / PREEMPTED 14.0 GPU·h——
198189–198208RoboTTAfbst_ac_02* ×201COMPLETED 203.8 GPU·h——
199552–199552RoboTTAt2z_eval_s3000_off* ×11COMPLETED 13.8 GPU·h——
195789–195816RoboTTAfbi* ×181COMPLETED 183.6 GPU·h——
199907–199907RoboTTAt2z_eval_s3000_off_reseed* ×11COMPLETED 13.6 GPU·h——
199553–199553RoboTTAt2z_eval_s1000_on* ×11COMPLETED 13.3 GPU·h——
199554–199554RoboTTAt2z_eval_s2000_on* ×11COMPLETED 12.4 GPU·h——
199551–199551RoboTTAt2z_eval_s3000_on* ×11COMPLETED 12.3 GPU·h——
198149–198158RoboTTAfbst_a_01* ×101COMPLETED 102.2 GPU·h——
198179–198188RoboTTAfbst_ac_01* ×101COMPLETED 102.2 GPU·h——
198239–198248RoboTTAfbst_bc_01* ×101COMPLETED 102.1 GPU·h——
195797–195806RoboTTAfbi_rec* ×101COMPLETED 102.1 GPU·h——
198209–198218RoboTTAfbst_b_01* ×101COMPLETED 102.1 GPU·h——
197466–197505RoboTTAfbhv_p48* ×201COMPLETED 201.8 GPU·h——
195188–195188RoboTTAfb_insert_ft_from_p48* ×11COMPLETED 11.7 GPU·h——
198070–198109RoboTTAfbh2v_ctrl3k* ×201COMPLETED 201.7 GPU·h——
195866–196015RoboTTAfbv_rec* ×111COMPLETED 10 / PREEMPTED 11.5 GPU·h——
200010–200010rr-benchpickprobe_a1_rest* ×11COMPLETED 11.5 GPU·h——
200008–200008rr-benchpickprobe_a0_rest* ×11COMPLETED 11.4 GPU·h——
197100–197101RoboTTAab_pi05bc* ×21COMPLETED 21.4 GPU·h——
200009–200009rr-benchpickprobe_a1_find* ×11COMPLETED 11.4 GPU·h——
200007–200007rr-benchpickprobe_a0_find* ×11COMPLETED 11.4 GPU·h——
195876–195887RoboTTAfbv* ×101COMPLETED 101.4 GPU·h——
200349–200349rr-benchpickprobe_a2_rest* ×11COMPLETED 11.4 GPU·h——
200348–200348rr-benchpickprobe_a2_find* ×11COMPLETED 11.3 GPU·h——
196036–196043RoboTTAfbh* ×81COMPLETED 81.2 GPU·h——
196366–196422RoboTTAfbh2* ×91COMPLETED 91.1 GPU·h——
200345–200345rr-benchopenprobe2_a0* ×11COMPLETED 11.0 GPU·h——
195856–195865RoboTTAfbv_p48* ×101COMPLETED 100.9 GPU·h——
193358–193360RoboTTAfb_insert_vid* ×31COMPLETED 30.8 GPU·h——
197105–197166RoboTTAab_dagger_smoke* ×30/1CANCELLED 1 / PREEMPTED 1 / COMPLETED 10.8 GPU·h——
195189–195785RoboTTAfb_insert_ft_from_p48_ctrl* ×50/1PREEMPTED 4 / CANCELLED 10.7 GPU·h——
199719–199723ego2robotv2c_e2e* ×21COMPLETED 20.4 GPU·h——
199478–199481ego2robotr3_test1* ×21CANCELLED 1 / COMPLETED 10.3 GPU·h——
200353–200356ego2robotvg3_e2e* ×21COMPLETED 20.3 GPU·h——
196575–196576ego2robote2r_smoke* ×20/1CANCELLED 1 / COMPLETED 10.1 GPU·h——
196022–196025RoboTTAt2z_calib* ×30/1CANCELLED 2 / COMPLETED 10.1 GPU·h——
196404–196406ego2robotegl_check_cpu* ×2CPUCOMPLETED 20.0 GPU·h——
196585–196587ego2robote2r_iksweep* ×2CPUCANCELLED 1 / COMPLETED 10.0 GPU·h——
197064–197066ego2robote2r_ikeval_B5* ×2CPUCANCELLED 1 / COMPLETED 10.0 GPU·h——
197065–197067ego2robote2r_ikeval_B3* ×2CPUCANCELLED 1 / COMPLETED 10.0 GPU·h——
198335–198352ego2robote2r_ur5e_grid* ×3CPUCOMPLETED 30.0 GPU·h——
198693–198896ego2robotphys_eval2* ×2CPUCOMPLETED 20.0 GPU·h——
198734–198946ego2robotphys_eval3* ×2CPUCOMPLETED 20.0 GPU·h——
198737–199004ego2robotphys_eval4* ×2CPUCOMPLETED 20.0 GPU·h——
199168–199170ego2robotgf_fc* ×2CPUCANCELLED 1 / COMPLETED 10.0 GPU·h——
200086–200087ego2robotr4_eval8* ×2CPUCANCELLED 1 / COMPLETED 10.0 GPU·h——
200343–200344ego2robotvg3_det* ×2CPUCOMPLETED 20.0 GPU·h——

Generated 2026-10-19 · daily-reporter · 데이터: git log, claude/*.md, sacct