goal 이미지 시점 감사 — 기억 프레임은 현재 정책 화면과 얼마나 다른가

요약

• 카메라 마운트가 다르다. 기억 영상 exo_camera_1은 로봇 베이스에 고정된 어깨 캠(fov 71°, 베이스 기준 (−0.40, 0.24, 1.55) m 고정 — traj.h5 실측), 학습 goal 카메라 randomized_zed2_analogue_1은 작업 중심에서 0.2~0.8 m·높이 0.05~0.6 m·방위각 임의로 놓이는 외부 캠. 이번 행들에서 정책 캠은 작업 중심보다 중앙값 0.31 m 위·수평 0.52 m, 가장 가까운 기억 프레임의 어깨 캠은 0.81 m 위 — 어떤 프레임을 골라도 이 높이·부감 차이는 남는다.
• 고르기가 메울 수 있는 몫(서 있던 자리): 하네스 최대픽셀 프레임 → 현재 정책 캠과 위치 중앙값 1.36 m·시선 76°. 원위치 구간에서 가장 가까운 프레임(오라클 "현재 화면과 비슷한 프레임") → 1.19 m·31° (물체 픽셀 중앙값 843 → 162).
• tagmem이 실제로 저장한 이미지 중 원위치 구간 것이 있는 행 59/62. 있는 경우 가장 가까운 것: 1.64 m·44° (n=48). VLM에게 "현재 화면과 비슷한 것"을 고르게 해도 후보는 이 집합뿐이다.
• VLM 지목(사용자 제안, gemini-3.7-flash, 현재 화면 + 검색 8장 + "원래 자리에 있고 시점이 가장 비슷한 것" 힌트): 46행 중 지목 29, NONE 17(전부 글자 그대로 NONE, 8장 안에 원위치·보임 이미지가 없던 행); 지목한 것 중 원위치 구간 22·물체 보임 27; 지목 프레임 중앙값 1.64 m·65°(px 302). 같은 8장 중 최선(원위치·보임·자세 최소, 오라클) 1.38 m·45°(n=22); VLM이 그 최선을 고른 행 9/22.
• 런 4 실측(memnear 오라클을 실제로 정책에 넣음, 40칸): 든 채 도착 14, 정답 가구 위 6, d_xy 중앙값 0.28 m, @10 1·@15 2. 같은 칸 쌍 비교 — vs off n=8: 0.28 vs 0.31 m(memnear 가까운 쌍 3/8); vs oracle n=6: 0.38 vs 0.33 m(memnear 가까운 쌍 3/6); vs render n=7: 0.25 vs 0.23 m(memnear 가까운 쌍 3/7): 최대픽셀 프레임·goal 없음과 구별되지 않는다(마운트 차이가 본체라는 예측과 일치).
• 런 5 실측(하네스 고정 배선 vlmpick 라이브, 40칸, API $0.15): 든 채 도착 14, VLM 지목 8·NONE 6(goal 없이 place), 정답 가구 위 8, d_xy 중앙값 0.28 m, @10 1·@15 2. 지목 프레임은 정책 캠까지 중앙값 2.16 m·67°. 같은 칸 쌍 vs off n=8: 0.28 vs 0.27 m(vlmpick 가까운 쌍 4/8) — goal 없음과 구별되지 않는다. 배선(지목·주입·NONE)은 정상 동작.
• 아래 행마다: 현재 정책 화면(place 시작 프레임) · 오라클 렌더(있으면) · 하네스 최대픽셀 프레임 · 가장 가까운 프레임 · tagmem 저장 중 가장 가까운 프레임 · VLM 지목(있으면).