사용자가 온라인 VLM이 실제로 받는 화면을 보고 지적했다: "로봇도 잘 안 보이고 뷰가 랜덤", "VLM은 컨텍스트와 같은 뷰, VLA는 학습 분포 뷰인데 학습 때라면 버렸을 배치를 왜 쓰냐". place-only 표에서 goal 이미지가 원위치 15cm 적중을 9→19로 두 배 가까이 올린 결과가, 혹시 이 망가진 카메라 뷰를 goal이 우연히 보완한 인공물은 아닌지 확인이 필요했다.
확인 결과 세 가지 문제가 있었다.
학습 데이터 화면(train_policy_cam_views.png)은 무작위·근접이지만 거의 항상 그리퍼·작업면이 보인다는 점과 대조된다. 수정: exo_cameras.place_policy_camera_strict(가시성 대상=든 물체+가구+그리퍼, 실측 재샘플) + run_episode(strict_policy_camera=True)로 preplace 뒤 배치, VLM 뷰 카메라를 bench_exo_L로 명시. 스냅샷 src_probe_v2로 같은 100칸×4조건(VLM지목/렌더/GT프레임/없음) 재측정(goalog2).
| 조건 | @15cm(94칸) | vs 없음 |
|---|---|---|
| VLM 지목 | 16 (정본 재측정 이전 19) | p=.66 |
| GT 렌더 | 18 | p=.30 |
| GT 기억 프레임 | 14 | p=1.0 |
| goal 없음 | 13 (정본 재측정 이전 9) | — |
카메라 조건 충족 390/392(재샘플 13). 정상(학습 분포) 카메라에서는 goal 없이도 정밀도가 오르고(9→13), goal이 추가로 더해주는 효과는 사라진다(모든 비교 p=.30~1.0, 유의하지 않음).
final_results/goal_place_only_v1_260924/(VLM 지목 19 vs 없음 9)가 정본. 카메라 재측정(goalog2, goal 효과 없음)은 본 런과 조건이 다른 별도 참고 실험으로만 기록.카메라 완화 배치는 결함이 아니라 본 런 전체(routine·restore·find 포함)가 채택한 표준 조건이다 — goal의 효과 유무 판단은 이 조건을 기준으로 해야 하며, "정상 카메라"라는 대안 조건은 본 런과 조건이 다른 별도 실험이다. 측정값 하나(15cm 9→19)를 둘러싼 신뢰도 검증이 오히려 실험 프로토콜 자체(카메라 랜덤성이 실험의 일부라는 사실)를 재확인시킨 사례다.
코드에는 남기되 기본값은 끈 상태로 유지. 향후 카메라 조건을 바꾸는 실험은 본 런 전체 재실행 필요성부터 사용자 결정을 받는다.