scene_bench

실험 3(Oracle-plan)은 SR로는 5 arm 동률이지만, 새로 만든 두 지표는 다른 그림을 보여준다 — 과제 재수행률(restore NoMem 27.8%→R&R수정판 2.0%, p=.004)과 편집 거리 삽입(restore NoMem 0.28→R&R 0.01/칸)은 메모리가 있으면 급감하지만, \1(B1: restore MEM 21.0%→65.4%, p<.001)와 \1(B2: resume NoMem 29.8%→MEM 64.6%, p<.001)은 급증한다 — 메모리는 \1 실패를 줄이고 \1 실패로 바꿔치기한다.

reader 이미지 8→4장: tagmem Finding 46.6→45.0·Restore 19.0→17.2(n.s.) vs vis-pure 44.1→29.8·16.0→7.3, uniform 35.7→21.6·9.6→3.8(p<.001). 검색이 예산 효율의 근거. $65.

정책 카메라가 학습 분포 밖 배치를 완화 통과시킨다는 지적을 검증하러 학습 규칙대로 재배치해 재측정했더니 goal 효과가 사라짐(@15cm 9→13) — 사용자가 '카메라는 원래 랜덤, 본 런도 다 그렇다'고 판단해 최초 place-only 표(VLM 지목 19)를 정본으로 확정

resume 온라인(실험 2) 본 런 자기 칸 GC만 보면 tagmem(.269)이 rf-v3(.307)·vis(.319)에 뒤지는 듯 보이지만, 같은 칸 1:1 비교에서는 tagmem이 전부 앞선다(vs rf-v3 49칸 .309 vs .236 등) — 칸 구성 차이가 만든 심슨 역설(Simpson's paradox)

온라인 이밸 액션당 510ms 중 관측 계산이 330ms(65%, 그 중 미사용 센서가 260ms) — 필요 없는 카메라 5대+ObjectImagePointsSensor 폴링 제거로 590ms→245ms(2.3배), 궤적 분포는 동일

static 주입 컨테이너가 컷 복원 시 파킹 자리(허공)에 남는 결함 발견 — routine 온라인 121칸 성공 0/121, resume v3 132칸 영향, 오라클 routine 90칸·resume ≈300칸 구조적 0; 생성기 규칙(place_upright+pin_open) 이식으로 수정

논문용 벤치 집(ProcTHOR) 평면도 228채(find 84·restore 84·resume 100·routine 59 합집합) 전량 렌더 완료 — 도식형 + cand 스타일(원근·skybox·로봇 포함) 두 판, 좌표계/문 방향/벽 높이 함정 해결

Oracle-plan(실험 3) resume 가족 GT 계획 빌더 신규 구현, 검증 완화로 우주 143→161질의(715→805칸) 확장, 스모크 4차에서 결함 3건(목적지 이름·방문 채점·출발 가구 모호성) 수정 후 전량 승인·기동(≈$115~200)

Routine 에서 frames-uniform 51.6 이 강한 이유: 프레임 사이에 들은 발화(규칙 문장)가 끼워진다. 네 전략이 reader 에게 준 프레임·텍스트를 3개 질의로 대조.

tagmem DB 를 text만/frame만 쓰는 writer 로 재-ingest: Finding 은 프레임이 거의 전부(47.7 vs full 46.6), Routine 은 텍스트(.461 vs frame .187), Restore 는 둘 다; 태그 검색 이득은 텍스트에서만 유의

온라인 실험 2 토탈 재실행: 게이트 v3(\1 같은 가구 위 허용)로 routine 100/100·resume 161/161 통과(제외 0), 244+131칸 KST 9/26 00:05 예약

resume writer 메모리의 컷 직전 30 s 공백을 꼬리 청크 콜로 메우자 rf-v3 .335→.460·tagmem .441→.528, vis-pure 불변 — vis 의 Single 우위는 하네스 인공물

운반 버그(730a879) 영향 121칸 재실행: restore 온라인 SR \1, 성공 17→39; LOO tagmem \1 유의·순위 불변

goal 조건 별도 표(place-only, 100칸×4조건): VLM 이 기억에서 고른 goal 이미지가 원위치 15 cm 적중을 9→19 로 올림(GT 프레임·렌더와 같은 수준), observed 에서 유의. 운반 버그 수정 후 재측정. 온라인 전체 A/B 는 차이 없음.

resume Single(31행) vis-pure 15 vs tagmem 12 는 p=.58·reader 비일관, 3회 읽기 sd .8/.5 (격차 +3/0/+2); 단위 직후 컷의 마지막 완료가 30 s 청크 밖(18/31)이라 텍스트가 끝난 끼어들기를 미완료로 나열, vis 는 최종 상태를 읽되 인셋 개수 오독

읽기 답이 틀린 단일 find 180칸: 온라인 SR \1 (읽기 정답 \1), 방까지 틀리면 \1; 탐색으로 진짜 회복한 칸은 10/180(5.6%)

goal 이 못하는 이유: 학습 goal 은 \1인데 기억 프레임은 카메라·시점·팔 상태가 모두 어긋난다. 그 결과 goal 이 물체를 원위치에서 더 멀리 놓게 한다(0.35 vs 0.25 m, EEF 수평 이동 3.3배); 넓은 조리대는 흡수, 식탁·의자는 낙하·미방출.

routine 온라인 실패 495칸 중 417칸(84%)이 '도달했지만 못 듦'. 카테고리별 분석 결과 GT의 44%(296/666)가 학습 데이터에 희귀·부재한 5종(Bread·Hand_Towel·Cloth·Tomato·Plate)이며 이 구간 SR .028, 나머지 구간 SR .269 — VLA 커버리지 병목

oracle-plan 배치 스케줄러(babysitter) 하루 4단계 개선 — own→extra 자동 승격+코스트 캡 15/24→25/40(v3), own 파킹 K=2(v4), 잔여 작업량(LPT) 정렬(v4.1), squeue 일시 장애를 '잡 없음'으로 오판하지 않게 방어(v4.2). 각 버전이 실측 장애로 촉발됨

resume online 누름(press) 서브골: 결함 6건(import·초기화 시그니처·인자명·버튼 탐색·접근각·판정 기준) 해소 후 place_oc_press 전용 라우팅 배선. 3차 프로브(정면 접근+datagen 판정)에서 place_oc 1/24(.01~.20) vs place_oc_press 14/24(.58, CI .39~.76)로 0→.58

resume(type2) 온라인을 v2(손목 인셋+1fps+방목록) 본표로 전환해 칸 391개 확보, 파일럿 중 \1 채점이 방 이름 공간 불일치로 전량 0점 처리되던 결함 발견·수정, 씬 재구성 전수 검증으로 391→342칸 확정(안착 5cm 초과 낙하 14컷 제외)

온라인 VLM 현재 뷰는 컨텍스트 기억 프레임과 마운트·수직 FOV(70°)는 같지만 해상도·비율·수평 FOV가 다르다: 기억 640×480(4:3, fov_x 86°) vs 현재 뷰 exo‖wrist 타일 640×181(반쪽 320×181, 16:9 렌더 624×352, fov_x 102°, JPEG85) — 픽셀 5.3배 적고 세로 2.65배 낮음; 그림자 렌더도 다름

부록 자기 쓰기 표 잔여 작업 인수인계: GPU 4칸(오픈 resume 3 + Molmo2 find) + restore tagmem v11 통일(Luna·Molmo2), 명령·전제·완료 판정 정리

오라클 restore 운반버그 재실행 yj 회수 1차: 76행 무결성 OK, 같은 62칸 성공 9→17(gc .194→.315); 재실행 일부가 08:11부터 센서 슬림 → \1+episode.json mtime 으로 칸 단위 출처 표기(현재 슬림 0/76); restore 잔여 6칸도 원격(sx7)

[⚠ 정정: 운반 버그로 잠정·실패 해석 철회] routine 온라인 본 런 682칸 완주 — GC 0.157, 전략 간 유의차 없음(LOO |Δ|<2SE), 실패 83%가 도달 후 파지 실패이며 GT 44%가 VLA 학습에 없거나 드문 카테고리

goal 이미지 A/B v2 완주(102 single 칸, 같은 ckpt, 최신 하네스, $57.7): on 25 vs off 26(p=1.0) — 채택 안 함. acted 우세는 place 도달 잡음, observed 는 goal 이 해로움(안 놓음·바닥 낙하 4 vs 1). \1 본표 유지.

부록 자기 쓰기 표(5모델×4가족): 생성기 \1 완성(flash 셀 본표 일치), Luna find 채우는 중, 빈칸은 GPU 4칸

Luna 자기 쓰기(resume 새 조건, $10.7): tagmem .068·rf-v3 .075·vis .050 ≈ blind .106 — writer 요약이 역방향 이동을 지어내고 물체를 오인해 완료 과제를 미완료로 나열(rf-v3 96/161)

resume 본표 조건 자기 쓰기 부록 표: Luna(API, ≈$12–15) 먼저, Gemma4·Qwen3.8·Molmo2 는 GPU 여유 후 — 30장 writer 토큰 프로브 통과

실험 3(Online GT Eval) 이식 패키지 — 번들 126 MB로 \1(프롬프트 384개 바이트 동일·preflight 1,490칸) 통과, 원본 venv가 \1과 어긋나 freeze 기반 재구성으로 교정

실험 3 본 런 1,000행 중간: SR 로는 5 arm 구별 불가(McNemar p≥.45), 차이는 M1·M2·M3; 잠정 보관소 \1 생성. 클러스터 포화로 8행/h, ETA ~2일

routine 온라인 본 런(682칸=main 534+tagmem 148) 제출 후 tagmem 세트가 6.3시간 동안 행을 0개 썼다. squeue -o \

rf-v3(MEM) 교차의 마지막 공백을 메웠다 — 자기쓰기→flash쓰기로 리더를 바꾸자 15칸(5가족×3모델) 전부 상승(+5.6~+41.0pp), restore에서 writer를 통제한 뒤에도 tagmem(.128~.169) > rf-v3(.076~.104) > vis-pure(.025~.062) 순위가 유지된다. 별도로 지시문 쓰기 주입 A/B 최종 결과: D1(acted)만 폭등하고 D2(observed)는 불변 — 텍스트 채널이 있는 rf-v3·tagmem만 이득(+6~24pp)이고 vis-pure는 +0.5~0.7pp — 채널 비대칭이라 논문 본표에 못 쓴다. rf-v3가 낮았던 건 방식 한계가 아니라 writer 한계라는 기존 결론과 일치(지시문만 주면 tagmem과 대등, Gemma4 .580 vs .538).

사용자 지적 3건이 전부 실재 결함이었다. ① \1 접두사가 TVStand·SideTable을 한 이름으로 묶어 답 어휘에 \1이 없던 문제 — 규칙 기반 R2 구제로 find v1.0 158·v1.2 79·restore 62행 복구(dresser 는 기각 유지, 실측 방 안에 진짜 dresser 존재 restore 54/54·find 80/82). ② oracle(textlog) 오답의 97%(29/30)가 \1인데 로그가 최종 안착 위치를 안 준 것 — 기술만, 재측정은 보류. ③ 채점이 위치 다중집합만 보고 물체 대응을 안 봐 21행 부풀림 — 정규화 후 대응 검사로 강등. flash 기준 본표: find tagmem .514→.522, restore tagmem .186→.190.

resume D칸(어휘v2+발화주입+10s청크 동시 투입) 사전등록 절제: resume_ok 기준 3/14 → V(어휘만) 0 → D(전부) 0. 발화를 주면 writer가 \1를 세려다 틀리고 그걸 확신해 \1 오답이 1→6행으로 늘었다. D 메모리 14행 전수 판독: pending 과제 20개 중 18개가 지시문 숫자(n)에 도달했다고 과대보고(정확 0·과소 0) — 관측이 아니라 지시문을 베껴쓴다. 누름 개입 5전 5패, 새 표적은 심부름 오보고(오라클 .000).

R2로 새로 정답이 된 읽기 칸 85개를 온라인에서 측정해 본표에 합쳤다. 유효 50칸 합류 결과 find .468→.467 · restore .184→.182로 순위 불변. 도중 다른 세션의 채점 스키마 교체로 \1가 조용히 오작동해 35칸을 버렸다

\1 의 갱신 연산자를 재작성→누적으로 바꾼 resume 절제는 귀무(p=.856) — 그런데 유형별로는 담기 +14.8pp·옮기기 −29.4pp 의 상쇄다. 누름은 미기록(언급률 16%), 담기·옮기기는 기록되고도 틀린다. 덤으로 \1 62행이 총 방 수 미제공으로 답이 결정되지 않는 하네스 결함 발견(오라클 .419).

온라인 계획형 v2 완주(1,338행·$205) — 메모리 전략이 SR 을 가르는 것은 restore 뿐이다(tagmem LOO +0.111 유의), find 는 248칸 검정력으로도 차이 0; hidden 은 거의 전멸하고 병목은 파지 80%

resume(type2) 온라인 배선 완료 — 매니페스트 87/87·프리플라이트 256칸 통과·\1 게이트로 결함 3건 적발(메모리 미래 누출·공허한 성공·컷 키 누락), place_count 채점을 n에서 r로 재정의. API \1·GPU 4분.

routine 온라인 P0~P3 구현 완료 — 턴 수가 답 개수와 무관하게 일정함(실측 372행)을 발견해 본 런 견적 \1로 하향, 배선 중 결함 4건 발견·수정(메타 주입 시점·multi 질의문·제거목록 원천·바디 정렬 자식 바디 포함). 파일럿 대기.

restore 실패의 80%(311/387)가 \1 한 가지 — 로봇 베이스가 물체 0.35~0.6 m 앞에 서 있는데도 30~56회를 같은 방식으로 실패한다; 영상 5사례 30클립

읽기 GT가 \1 접두사로 TVStand·SideTable을 한 이름으로 접어, 온라인 본 런 1,490칸 중 170칸이 접지 차단됐다. 이름 동치류 + 계획 이름 치환으로 0으로. 덤으로 R2 구제 473행 중 130행이 \1 기각을 우회한 것을 발견

실험 3(Oracle-plan) 설계 확정 — GT 계획 + 시드 메모리 제거로 execute-state를 유일한 변수로. 298질의 × 5 arm = 1,490칸, 견적 $210 / 600 GPU-h. 주지표를 SR에서 내렸다(restore multi SR 0/47).

routine 온라인 파일럿 — 칸 10 · GC(질의 평균) 0.125 · SR@예산 0.10 · API $2.40 · GPU-시간 3.4 · 평균 턴 22.1

온라인 런은 동결 스냅샷에서 돌아 세션 간 계약 드리프트가 눈에 안 보인다 — 판정을 파일 diff 에서 \1로 옮겨 게이트화했고, 세 트리 계약 전부 일치를 확인했다

오픈 모델 tagmem 의 병목인 쓰기 결합률(정상 29~31%)을 겨냥한 writer 개입 2건을 사전등록으로 측정. v12(정식 어휘만 복사)는 어휘 준수 33→47%·71→92%·59→86% 로 지시는 지켜졌지만 결합률 +3.4/+0.0/+1.9pp(기준 +8pp) 미달. v20(자기 인덱스 방·물체 이름 전량 가시화)은 결합률 +0.7/−0.9/−1.5pp(v8)·−5.2/−4.1/−2.2pp(v20), 미기록은 오히려 +5~7pp 증가 — 가설 기각. 병목은 프롬프트·메모리 가시성이 아니라 writer 의 시각 접지 능력.

같은 107칸·같은 하네스로 goal 이미지 on/off 를 완주: 성공 off 23/107(21.5%) vs on 17/107(15.9%), 쌍 비교 on만 7·off만 13, McNemar p=.263 — 유의차 없고 방향은 off 우세. goal 이 실제 주입된 31칸만 봐도 14/31 vs 15/31 동률, GT 바닥 낙하 19→25·턴 중앙값 13→20 으로 오히려 악화. 채택하지 않음 — 표는 goal-off 가 본표, goal-on 은 별도 표.

32B 보다 윗세대 무료 모델로 Gemma 4 31B·Qwen3.8-27B 를 선정(GPU 1장·$0)해 find 6전략과 4가족 격자를 측정. Gemma4 는 전 메모리 전략이 +50% 안팎(vis-pure .214→.330)이지만 tagmem 은 vis-pure 에 유의하게 진다(149 vs 189, p=.002). 승패는 쓰기 결합률 하나로 설명된다 — 정상 결합 flash 65% vs 오픈 25~31%; 기록이 맞으면 오픈에서도 tagmem 이 vis-pure 를 +.18~+.26 이긴다. 해상도·토큰 예산 가설은 기각(오픈 모델은 축소 안 함, 토큰 280~300).

오픈 3모델 tagmem 이 '기억 없음'(blind)보다 못한 구간(미기록 행)의 원인은 기권 계약(기권율 62~74% vs vis-pure 1~24%). v13(기권 완화 3문장)은 배선 버그를 고친 재측정에서 헤드라인 32B 19.0→22.3 · Gemma4 26.1→32.0 · Qwen3.8 25.3→30.0 이지만, 같은 문장을 vis-pure 에 넣어도 +6.3/+1.5/+3.9pp 올라 tagmem 전용 족쇄가 아니었다. 추측 아님(자리가 인덱스에 있던 행 38.5% vs 없던 행 14.9%, Fisher p=.00035·OR 3.56). 공정 비교하면 tagmem 은 vis-pure 와 무승부(이기는 건 Qwen3.8 하나).

vis-pure 는 KEEP 계약이 열려 있는데 103턴 동안 KEEP 0회(seed_left 8.00). 축출 비용 문장 1줄을 넣자 KEEP 18건·≥1장 보관 13/16칸(짝 Δonline_kept +0.88±0.12, 부호검정 p=.0002) — 원인은 능력이 아니라 프레이밍. 단 KEEP 의 61%(11/18)는 마지막 done 턴이라 유효 KEEP 은 0.237→0.092/턴으로 정정. 이를 기본 켬으로 채택하고 tagmem 온라인 기록을 태그 엔트리+예산 초과 시 재검색(find 13%·restore 46% 칸에서 발동)과 \1 상태 슬롯으로 개조, vis-pure·tagmem 행만 재측정(추가 ≈$36).

writer 에게 더 많이 보여주면 더 잘 적는가 — 3건 모두 사전등록 미달. (1) 관측 밀도 30→10 s(청크 19→56): tagmem 32B .190→.218(+2.8pp)·Gemma4 .261→.261, 결합률 +3.0/+5.8pp(기준 +8pp 미달), vis-pure 는 오히려 −5.4/−2.4pp. (2) 32B 손목+16프레임: 기록 정확도 .16→.08, 교란(청크당 저장 6배)을 안내문·이미지 상한 4로 제거한 WM2 도 .08(과대집계 .12→.27). (3) rf-v3 손목캠: W .077 vs C .068(+5행, p=.53) — 덮어쓰기 지표 불변. 병목은 입력량이 아니라 writer 의 보존·중복 제거·접지 능력.

flash 가 쓴 find 메모리 100편을 재사용해 읽기만 오픈 모델로 바꾸자 tagmem−vis-pure 가 32B −.024→+.132(p<.01)·Gemma4 −.069→+.095(p<.01)로 뒤집혔다. 4가족 × 3모델 12칸 전부 방향이 같고(find·restore·routine 9칸 p<.01, resume 3칸만 비유의), 절대 수준도 tagmem 32B .190→.403·Gemma4 .261→.449. 오픈 모델의 tagmem 열세는 리더가 아니라 writer 열세다 — 대칭 셀(오픈이 쓰고 flash 가 읽기)은 미측정.

restore·find 재측정($120) 제출 전 점검에서 런을 조용히 미완으로 끝냈을 블로커 2건 발견 — restore 샤드 COST_CAP $8 vs 실제 필요 $6.8~$15.3(→캡 20), find vis-pure 재제출 주체(babysitter) 없음(샤드당 16회 재제출 필요). 이어 방법론 감사에서 goal 이미지 어포던스가 tagmem 에만 열려 있음(M1)·보는 프레임≠저장 프레임(M3)·tagmem 시드 34줄+8장이 최대(M4)를 확인, 사용자 결정으로 표는 tagmem goal-off 를 본표로.

flash-3.7 · gpt-5.6-sol · gpt-6-astra 가 같은 restore 10편에서 각자 쓴 메모리와 각자 낸 답을 3열로 대조

resume·routine 온라인 준비도 전수 감사 — routine 863칸 ≈$212/467 GPU-시간, 헤드라인을 SR에서 per-answer GC로 전환, P0~P3 전부 $0

gpt-5.6-sol · gpt-6-astra 가 restore 를 스스로 쓰고 읽은 런의 영상·메모리·질의·입출력 전수

온라인 execute-state 재측정 현황: find v1.0 4전략은 SR 동률(LOO Δ ±0.03)·실패 84%가 파지로 확정, 감사에서 execute-state 채널이 6 arm 중 1개만 켜져 있던 것을 발견해 4건 수정 후 전량 재측정 중(restore 75% · find v1.2 767칸 진행)

find 온라인 본 런 1108칸 완주(SR .576, $62.46): 난이도를 맞추면 전략 간 성공률 차이는 사라지고(LOO Δ ±0.03) 차이는 효율에만 남는다 — textlog 은 vis-pure 보다 같은 칸에서 pick 2.1회 더, 낭비는 제자리 재-pick(1341회 중 19%가 자기 성공을 깸), 실패의 84%는 파지

tagmem-r3 온라인 restore 107칸 전수(goal 이미지 off): 성공 23(21.5%), 첫 행동 적중 63%, API $27.58(칸당 $0.258). 기억은 맞는 곳을 가리키고 실행에서 잃는다.

든 채 도착 62행: 하네스 최대픽셀 프레임은 현재 정책 카메라에서 중앙값 1.36 m·76°, 가장 가까운 원위치 프레임은 1.19 m·31°; 카메라 마운트 자체가 다름(어깨 캠 높이 0.81 m vs 정책 캠 0.31 m)

본 런 전 스모크 10칸(MolmoBot place_oc@10k + 옵션 1 + 웨이포인트 carry): 3/10 성공, $1.44 — 컨펌 요청(쌍둥이 224칸·사소 14칸 제외 여부, 이미지 폭)

같은 칸에서 goal 없음/goal 렌더 둘 다 든 채 place에 들어간 11쌍 — goal 화면, place 영상, 마지막 프레임, 원래 자리까지 거리

carry A/B 40칸 + VLA 비교: MolmoBot place_oc@10k pick 68%·옮겨도 유지 35% vs π0.5 45%·22% → MolmoBot 확정; 웨이포인트는 손목 이탈 4°→0.4°로 없애지만 놓침 여부는 하나도 안 바뀜(불일치 1/38), stable-pick 판정도 견고한 grasp를 못 고름 — 놓침은 VLA grasp 품질

find v1.2 아카이브의 qwen3vl-32b 열이 temp/max_tokens 누락으로 옛 열과 다른 디코딩(raw 최대 132,431자)이었던 결함을 재측정(잡132433)으로 교체 — 헤드라인 영향 ≤.016(순위 불변), 이제 2모델 표에 그대로 사용 가능

uid 접두사 stand_가 TVStand(22)와 SideTable(15)를 뭉개 SideTable이 낀 28행(4.8%)에서 오라클 포함 6전략 전부 0점 — 원인은 이름 자체가 아니라 접두사 공유; 제외 시 전 전략 +2pp 균등 상승·순위 불변, 정식 어휘 수정은 오히려 tagmem 우위를 깎는 것으로 투영됨(+1.3pp→+0.2pp)

Finding D2에서 tagmem이 vis-pure에 지는 것(56.7 vs 59.3)은 McNemar p=.477로 통계적 동률 — 격차 전부가 dining table 가구 하나에서 오며, find 전 칸에서 tagmem·vis-pure는 유의하게 구별되지 않는다. 쓰기 v11 통일 재측정($12.41)도 유의한 변화 없어 find는 v5 유지 결정

온라인 salt shaker→countertop 칸에서 VLA place 첫 성공(14턴, $0.085) — carry 관통·팔만 이동·preplace AABB 허공·재집기 가드 등 결함 6건을 런 8회로 수정, nav 루프 가드로 턴 41% 절약(파일럿 101편 기준)

오라클 goal 렌더: 든 채 도착 10칸 중 정답 가구 위 6·원래 자리 중앙값 0.24 m·@10 1(8.4 cm), goal 없음 3/10·0.31 m·@10 0. 쌍 비교 n=4(0.36→0.19 m)라 판정 불가. 병목은 pick 53%×접기 낙하 58%=place 도달 23%, 그리고 preplace 직후 조기 방출(place 스텝 0~10).

navigate가 학습 datagen의 어깨 카메라 가시성 검사를 빼먹어 pick 자리 24%가 학습이면 기각될 자리(옆방 4%·벽 8%), place 자리 20%가 옆방/벽 건너편이었다. 방→벽→가시성 게이트로 pick 24%→2.8%(전부 폴백), place 20%→2.5%. 파일럿 40자리 중 게이트가 걸렀을 9자리 평균 성공 0.17 vs 나머지 0.42. 정답일 때 원래 자리 앵커: 원래 자리까지 0.77→0.52 m, 0.9 m 초과 35%→0.

파일럿 10지점의 후보 자리와 성공률을 집의 2D 점유 맵 위에 찍었다. 시야가 가린 자리(6/40)는 평균 성공 0.08 — 싸게 거를 수 있지만 그것만으로는 0.36→0.39, 나머지 이득은 실시행 검증이 필요.

선 자리가 pick 성패를 가른다: 400시행, 순열검정 p<0.0001, 자리 간 폭 중앙값 0.50. 최선 자리 고정 시 성공률 \1(홀드아웃). 거리·정면각으로는 좋은 자리를 못 고른다(0.38/0.32) — 실시행 검증이 필요.

기억 속 사진을 VLA goal로 먹이는 배선은 작동하지만 측정이 성립하지 않는다 — 데이터셋 exo 카메라가 로봇에 실려 있어(베이스 상관 0.995) goal로 쓸 프레임이 없고, goal이 좋은 칸은 pick이 실패한다. 12행 중 채점 가능 6행.

20칸 전수: 최선 프레임도 물체가 프레임의 0.34%(중앙값)이고 20장 모두 로봇 팔이 지배. 1%를 넘는 건 2칸뿐. 다만 그 2칸에선 tagmem이 20배 나은 프레임을 두고 나쁜 걸 저장했다.

기억 속 goal 이미지를 VLA에 먹이는 배선은 전부 작동했지만 배치 좌표는 \1가 이미 정한다 — 세 조건 d_xy 0.61~0.76m, goal 효과 0.

읽기 본표 헤드라인 지표를 loc_set(방만) → place_set(방+가구)로 교체 — blind 부풀림 확인(cosmos-r2-8b 방 기준 2위 .392 → 방+가구 3위 .135), G1 게이트 임계 .287→.251로 옛 FAIL 3건 소멸·7모델 전원 통과

Overleaf 논문 본표 vs 보관소 대조 — 144칸 중 일치 39·불일치 101·미기입 4. 헤드라인 지표는 \1(방만, 가구 무시)임을 원문에서 확인; routine·resume은 이미 폐기된 실험 조건의 옛 값이 그대로 실려 있어 논문 갱신 전 리뷰 방어가 안 되는 상태

resume에서 텍스트(rf-v3)가 이미지(vis-pure)보다 낮은 이유 규명 — 회차 지시 프롬프트 비대칭(v3c)으로 remaining_ok는 개선(.193→.230)되나 헤드라인은 그대로(.143); 근본 원인은 누름(press) 동작이 7.8초 간격이라 10초 쓰기 샘플링의 60%가 1프레임도 못 걸려 원리적으로 셀 수 없는 데이터 구조

Qwen3-VL-235B-A22B(MoE) 스모크 성공 — TP=4 서빙 정상·\1 불필요. 기동 대기 20분 고정 하네스 버그로 두 번 헛돌다(다운로드 위장완료 1건 포함) \1 도입 후 해결. 본 런 추정 5전략 ≈22 GPU·h / 6전략 ≈30 GPU·h, API $0

사용자 의문 3건(restore S2=0·resume 열세·32B 부진)을 행 단위로 규명 — 병목은 읽기가 아니라 쓰기 커버리지(32B 기권의 95%가 \1). 결합(binding) 스키마 v11 파일럿은 S2 정답 면 37%→51%·정밀도 37%→62%로 개선했지만 사전등록 통과선(55%) 미달로 미채택

find S2에서 \1이 반드시 vis-pure를 이겨야 한다는 목표로 읽기 v10(태그 정규화)·쓰기 v8(방 일관성)·쓰기 v9(작은 물건 어휘) 3연속 시도 — flash·32B 모두 S2 목표 미달, 쓰기 v8은 헤드라인 회귀(loc −.052)로 불채택, 최종 판정 \1(논문 표는 쓰기 v5+읽기 v8 유지). 지출 $15.80.

기억의 나이별 성능: 이미지 예산형(frames −.47, vis-pure −.38)은 빨리 늙고, 사건 텍스트형(rf-v3 −.06, tagmem −.16)은 flash에서만 덜 늙는다. 오라클도 가구 수준에선 .83→.60

계획형 온라인 파일럿 100/100플랜: 정답 계획도 온라인 성공 7/30 — 병목은 VLM 진행 판단(들기 착각·도착=완료·계획 고착)과 VLA 파지, 하네스 결함 4건

routine multi 0점의 원인 = 지시문·질의 이미지 가시성 57%·전부-정답 채점 → 물건 목록 질의로 교체: self-only 오라클 flash 1.00, flash tagmem .600 > rf-v3 .517 > frames .483 ≫ MemER .133

find S2 tagmem 열세는 \1(방 이름만) artifact — (방+가구) 인스턴스 기준 flash tagmem 23 vs vis-pure 19, 32B 7 vs 8; 실제 열세 3행은 원인 제각각

논문 격자 셀 정의를 \1으로 확정하고 공통 분류기(\1)로 통일 — 은닉 복수 요청은 출처별 S1/S2로 재배치(Finding 11행: S1 8·S2 3, Restore 28행: 전부 S1). 헤드라인(hidden 제외 526/575행) 점수는 완전히 불변, 세부 셀 표만 갱신.

Find·Restore·Resume·Routine의 공통/메소드별 프롬프트, 실제 image·text capacity, 27개 task×model 결과와 12개 성공·실패 사례. 메모리 이미지 158장·원문 내장.

tagmem v7 파일럿(읽기 전용: 발화 entry+묶음 검색+중립 헤더, v5 메모리 재사용, 3가족 20편, $2.15): routine loc .333→.433 · resume .094→.156 · find .615→.577(반증선). 사전등록 전부 미달 → 미채택 권고. 남은 병목은 쓰기 정확성 — resume은 DB 반복 횟수가 GT와 맞는 과제 11/32, routine self 실패는 전부 수납처의 방. find 하락 3/5은 폴백 헤더 삭제 부작용.

Qwen3-VL-32B 추가(본표 7모델, $0): 크기는 읽기만 올린다(restore 오라클 .236→.425, 메모리 전략 ±.05) — 32B rf-v3 '재작성'은 리셋(이전 문장 보존 .22 vs flash .66)이라 망각. InternVL3.5-8B 는 전처리 비기본(1칸)이라 본표 제외·부록

Routine 정식 릴리즈(HF dc1c8144, 314행)가 하네스 입력 규격과 달라(방 이름 없음, receptacle_class/instances[]만 있고 answers[].holdout/room/surface 없음) 읽기 평가가 불가능했던 문제를, 원본 불변 어댑터(build_routine_official.py) + textlog 표기 버그 수정(tv stand↔side table) + 샤드 스크립트로 해소 — 하네스 변경 0으로 다음날 5모델 격자 측정(routine_official_grid) 착수 가능케 함

온라인 rf-v3·vis-pure를 writer v2 시드로 재측정(268행, $19.95) → D2 SR .46→.21로 붕괴. 원인은 정보 손실이 아니라 v2 요약이 가구 내용물을 긴 괄호절에 몰아넣는 서술 형식 — 플래너가 물체의 소속 가구를 오독해 첫 navigate anchor 모드 8→22로 급증, 0.85m 밖에 도착. 읽기 트랙 D2는 -.022뿐인데 온라인은 -.25 — 오독이 온라인에서만 곧바로 미도달로 번짐

스모크 10칸 (MolmoBot) — restore 5칸 — 2/5 성공, $0.95

본 런 전 스모크 10칸 — restore 5칸 (가드 B 끔) — 2/5 성공, $1.41

스모크 10칸 (MolmoBot) — find 5칸 — 1/5 성공, $0.49

본 런 전 스모크 10칸 — find 5칸 (가드 B 끔) — 2/5 성공, $0.47

온라인 1칸 v1 vs v2 — 든 채 이동 시 팔을 접으니 가구 관통·거짓 완료는 사라졌지만 배회로 바뀜

온라인 1칸 — place 사슬 첫 성공 (소금통 → 부엌 조리대, v3)

온라인 1칸 — place 사슬 전 구간 (소금통 → 부엌 조리대)

온라인 1칸 — C: mug → countertop (rollforward-v3, 계획 재작성이 목적지 상실)

온라인 1칸 — salt v5: 자리 게이트 + 원래 자리 앵커 (4턴 만에 복원, 성공)

multi restore 2277__2 · 가드 B 켬 — 턴 전수

온라인 컨트롤 1칸 전수 — 집고 들고 갔지만 놓지 않고 done 선언(VLA place 는 호출조차 안 됨)

multi restore 2277__2 · 가드 B 끔 — 턴 전수

온라인 1칸 — D: remote control (서랍 안) → dining table (textlog, open 0/8)

온라인 1칸 — salt v4: 새 이미지 구성(exo‖wrist 합성) 첫 런, pick 0/13

VLA place preplace hand-off — 수정 전/후 롤아웃 영상 전수 (접근 구간과 정책 구간 분리)

VLA place 롤아웃 전수 — 턴별 프롬프트·그리퍼 전환과 영상

routine 정식 5모델 격자: flash-3.7 rf-v3 .442 ≥ frames .432 > vis .381(텍스트 우위), observed 규칙은 액션 로그 오라클 N/A·vis-pure 1위, luna/qwen 은 질의 이미지의 테이블을 답하는 편향(82%/62%)

restore 질의 힌트 v2: 효과 ≈0 (rf-v3 D② +.046, vis-pure 순 −.007·hidden −.143 부작용) — D②는 읽기 지시가 아니라 메모리에 옮기기 전 관측이 없는 문제, 본표 미채택

writer v2 6모델 재측정: 이득은 flash-3.7 rf-v3에만(find +.061·restore +.092·resume +.087, 로봇이 옮긴 셀), luna·8B 무반응, vis-pure 효과 없음, 순위 불변 — v1 writer 폐기(사용자 결정)

resume에서 검증된 writer v2 프롬프트를 find/restore(type1)에도 적용하는 런(A find ingest+restore53 재사용, B restore47 rerun, D restore 힌트 읽기)을 커밋(988478a)·제출 — B는 완료($23.01, 402행×2)했지만 A는 4샤드 동시에 월간 API 비용 한도(policy_limit_exceeded)에 걸려 70/100편(810행)에서 중단. 부분 델타는 resume과 같은 방향(rf-v3: 내가 옮긴 것 D①/D③ 개선, 보기만 한 것 D② 정체, vis-pure는 소폭 하락)을 보이지만 find 잔여 30편 완료 전까지는 잠정치다.

사용자 질문(\1)을 전수 검증 — 텍스트 로그가 D2(디스트랙터) 정답을 직접 언급하는 비율은 4%(2/52)뿐이지만, blind 첫 행동 적중률로 보면 D2의 71%(37/52)는 애초에 상식으로도 못 맞히는 질의였다. 그 예측불가 37질의에서 메모리 네 전략 전부 blind를 유의하게 이긴다(p=.002~.021) — 이미지 전략은 첫 수로 맞히고 textlog는 탐색 범위를 좁혀 따라잡는, 서로 다른 경로로. \1 진단은 철회.

온라인 find multi(답 2개) 질의가 답 1개 질의와 같은 step budget(1500)을 받고 있던 버그를 \1로 고치고 215행($22.47)을 실측 재측정 — 오프라인 재채점이 예측한 SR 0.21(textlog)은 \1이 아니라 틀린 값이었고(실측 0.14), 예산을 공정하게 줘도 multi SR은 물체 단위 성공률의 곱(p²)과 거의 정확히 일치한다(실측 0.076 vs 독립가정 0.079) — 추가 페널티는 검출되지 않는다.

resume 6모델 격자 완성 — 오라클이 모델 계급대로 붕괴(.789→.149), vis-pure 4/6 1위, rf-v3는 8B에서 재작성 자체가 붕괴(molmo2 메모리 median 17k자 루프)

여섯 전략의 실패는 원인 하나 — 쓰기 시점의 되돌릴 수 없는 결정. \1 기권의 97.5%는 검색이 아니라 쓰기 실패(검색 실패 0%)이고, 담았을 때 변환율 .769로 최고. 그리고 쓰기 이미지 축출이 하네스 결함으로 확인 — 생존 이미지 81%가 편 마지막 1/3에 몰려 restore goal image가 소각됐다. v5 수정 구현 완료.

온라인 find 670행: 메모리가 blind를 네 전략 모두 유의하게 이김(McNemar p<.0001~.029). 메모리끼리는 여전히 미분리. multi 셀(S1/S2)은 메모리 실패가 아니라 VLA 체이닝 한계 — textlog 첫 navigate .77 vs 완주 .07

exo 카메라가 벽 geom 안에 박혀 화면이 벽면으로 덮이는 현상을 실측으로 정량화(\1 19%, \1 11%(편의 100% 지점), \1 1%(73% 지점)) — 1차로 렌더 컬링(\1)으로 화면 복구, 최종적으로 자세·통 자리 선택에 카메라 여유를 선호 조건으로 넣는 위치 기반 예방으로 벽 안 비율 0% 달성. 성공률 손해 없음(4/4 유지), 편 길이는 오히려 단축(439→308s).

HF 61871a3e resume(type2) 100편·161행 전수 검수 — 정합성/누출 전량 통과(9/3 ablation body id 누출 해소)이지만 오라클 미완주 27행(그중 budget 400 짜리 10행 수행 불가)이 문서 약속과 달리 배포됐고, k_src가 2·3 두 값뿐이라 물체 task는 출발면만 세도 r이 두 값으로 좁혀짐; 표본 12편 8배속 영상·컷 마커·질의 카드 포함

Routine 물량 파이프라인 구현 — 질의 시작 상태 = 끝 상태 그대로, 홀드아웃은 조리대에 처음부터. 집 샘플러 → 쌍둥이 짝 → 사전 패스 → 실행 → 질의 행 빌더 → 채점 판정 함수. 샘플 2짝(train_5455·train_3118) 두 편씩 4/4 깨끗, 행 14개(D② 2 포함, 정답 뒤집힘 확인), 1짝 폐기. 사전 패스 통과 3/20 짝 — 병목은 출발 테이블 용량(k=3→2, 관찰은 심기만·실행 후 라벨). exo 카메라가 벽 안에 박혀 화면이 벽면으로 가득 차던 구간을 cam_wall_cull 로 제거(19%→해결). exo 카메라가 벽 안이던 구간은 자세·통 자리 선호(위치 기반)로 0% 로 없애고 렌더 컬링을 안전망으로 남김

파이프라인 관통: 3000편 × flash × 5전략 × 5행 = 25행, 파싱 실패 0, 78 call, $0.56 (textlog 5행은 방 포함 로그로 재질의). 게이트 G1·A2·시각 D②>blind 통과.

파일럿4(프로토콜 v2 + 사용자 open/close·place VLA place_oc@20000, 80플랜, $7.59) 파이프라인 상세: 데이터→씬 복원→메모리 시드→턴 루프(관측·VLM 결정·실행·피드백)→채점의 입력/출력을 실제 산출물(관측 PNG·메모리 텍스트·결정 JSON·실행 영상·판정)로 추적. find는 pick 지배(539/589)라 SR은 VLA 상한; 올바른 장소 도달률과 pick 성공률을 분리 보고.

온라인 컨트롤 v1 final 풀 이밸(find 589×5 + restore 518×5 ≈ 5,535플랜, API ~$725, ~9일) 실행 전 설계를 사용자 검토·승인받음 — VLA pi05_mlspaces_place@10000(파일럿용, 본 런은 open/close 모델 교체 예정) · 플래너 gemini-3.7-flash · 5전략. 실행 전 씬 복원 버그(v1 final states/final.npz가 다른 MuJoCo 모델의 전체 덤프) 발견·수정으로 파일럿 착수 가능해짐.

논문 수치의 단일 원천을 \1로 고정하는 아카이브 스크립트(\1, 멱등) 구축 — 표·모델별 메모리 원문·I/O 전문·이미지 풀까지 재현 가능한 구조로 보관. 동시에 \1를 논문 표에서 제외(사용자 결정)하며 전략 세트를 find·restore 공통 6종으로 정리.

Routine(type3) read-track eval 설계 v1: find 동일 답 형식·발화 들은 시점 주입·5전략·누출 플래그, 3000편 1차 파일럿

\1를 v1.0 결과로 두고 restore만 v1.1 메모리로 재측정했다면 이미지 메모리(\1) 행이 .085만큼 과대평가됐을 것을 확인 → find 별도 재측정 없이 v1.0 유지 결정이 정당했음을 사후 검증. 부수적으로 '방해물 이동이 이미지 메모리에 주는 잡음' 자체가 논문 각주감 ablation으로 확보됨.

온라인 프로토콜 v2(strict 접지·도달 반경 pick·open/close·역학만 프롬프트) + 사용자 VLA place_oc@20000 파일럿4: find 18/50(파일럿2 13/50)·restore 2/30, 다른-방 폴백 0, pick 시도 170→77에 lift 유지, open 실성공 1/55; 본 런 ≈$535·7일(일일 캡 병목)

온라인 실행 트랙 pilot4 v2+place_oc find_s0 (textlog@flash, 25플랜) 턴별 관측·노트·클립. v1_train_1299__2 ✗ / v1_train_1299__2 ✗ / v1_train_1299__2 ✓ / v1_train_1362__0 ✗ / v1_train_1362__0 ✗ / v1_train_1362__2 ✗ / v1_train_1362__2 ✗ / v1_train_1362__2 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_188__2 ✓ / v1_train_188__2 ✗ / v1_train_188__2 ✓ / v1_train_1949__2 ✗ / v1_train_1949__2 ✓ / v1_train_2102__1 ✗ / v1_train_2102__1 ✓ / v1_train_2102__1 ✗ / v1_train_2159__2 ✓ / v1_train_2159__2 ✗ / v1_train_2169__1 ✓ / v1_train_2169__1 ✓ / v1_train_2169__1 ✗ / v1_train_2224__0 ✗ / v1_train_2224__0 ✗

온라인 실행 트랙 pilot4 v2+place_oc find_s1 (textlog@flash, 25플랜) 턴별 관측·노트·클립. v1_train_1299__2 ✓ / v1_train_1299__2 ✗ / v1_train_1362__0 ✓ / v1_train_1362__0 ✗ / v1_train_1362__0 ✗ / v1_train_1362__2 ✗ / v1_train_1362__2 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_188__2 ✓ / v1_train_188__2 ✓ / v1_train_1949__2 ✗ / v1_train_1949__2 ✓ / v1_train_1949__2 ✗ / v1_train_2102__1 ✗ / v1_train_2102__1 ✗ / v1_train_2159__2 ✓ / v1_train_2159__2 ✓ / v1_train_2159__2 ✓ / v1_train_2169__1 ✓ / v1_train_2169__1 ✓ / v1_train_2224__0 ✗ / v1_train_2224__0 ✗ / v1_train_2224__0 ✗

온라인 실행 트랙 pilot4 v2+place_oc restore11 (textlog@flash, 15플랜) 턴별 관측·노트·클립. v1_train_1299__2 ✗ / v1_train_1299__2 ✗ / v1_train_1299__2 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_188__2 ✗ / v1_train_188__2 ✗ / v1_train_188__2 ✗ / v1_train_1949__2 ✗ / v1_train_1949__2 ✗ / v1_train_1949__2 ✗ / v1_train_2102__1 ✗ / v1_train_2102__1 ✗ / v1_train_2102__1 ✗

온라인 실행 트랙 pilot4 v2+place_oc restore10 (textlog@flash, 15플랜) 턴별 관측·노트·클립. v1_train_1362__0 ✗ / v1_train_1362__0 ✗ / v1_train_1362__0 ✓ / v1_train_1362__2 ✗ / v1_train_1362__2 ✗ / v1_train_1362__2 ✗ / v1_train_2169__1 ✗ / v1_train_2169__1 ✗ / v1_train_2169__1 ✓ / v1_train_2224__2 ✗ / v1_train_2224__2 ✗ / v1_train_2224__2 ✗ / v1_train_2277__2 ✗ / v1_train_2277__2 ✗ / v1_train_2277__2 ✗

온라인 실행 트랙 pilot restore v1.1 609076c0 (textlog@flash, 15플랜) 턴별 관측·노트·클립. v1_train_1299__2 ✗ / v1_train_1299__2 ✗ / v1_train_1299__2 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_188__2 ✗ / v1_train_188__2 ✗ / v1_train_188__2 ✗ / v1_train_1949__2 ✗ / v1_train_1949__2 ✗ / v1_train_1949__2 ✓ / v1_train_2102__1 ✗ / v1_train_2102__1 ✗ / v1_train_2102__1 ✗

온라인 실행 트랙 pilot restore v1.0 bcaf2815 (textlog@flash, 15플랜) 턴별 관측·노트·클립. v1_train_1362__0 ✗ / v1_train_1362__0 ✗ / v1_train_1362__0 ✗ / v1_train_1362__2 ✗ / v1_train_1362__2 ✗ / v1_train_1362__2 ✗ / v1_train_2169__1 ✗ / v1_train_2169__1 ✗ / v1_train_2169__1 ✗ / v1_train_2224__2 ✗ / v1_train_2224__2 ✗ / v1_train_2224__2 ✗ / v1_train_2277__2 ✗ / v1_train_2277__2 ✗ / v1_train_2277__2 ✗

온라인 실행 트랙 pilot find e987b40f s0 (textlog@flash, 25플랜) 턴별 관측·노트·클립. v1_train_1299__2 ✗ / v1_train_1299__2 ✗ / v1_train_1299__2 ✗ / v1_train_1362__0 ✗ / v1_train_1362__0 ✓ / v1_train_1362__2 ✗ / v1_train_1362__2 ✓ / v1_train_1362__2 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_188__2 ✓ / v1_train_188__2 ✗ / v1_train_188__2 ✓ / v1_train_1949__2 ✗ / v1_train_1949__2 ✗ / v1_train_2102__1 ✗ / v1_train_2102__1 ✓ / v1_train_2102__1 ✗ / v1_train_2159__2 ✓ / v1_train_2159__2 ✗ / v1_train_2169__1 ✓ / v1_train_2169__1 ✗ / v1_train_2169__1 ✗ / v1_train_2224__0 ✗ / v1_train_2224__0 ✗

온라인 실행 트랙 pilot find e987b40f s1 (textlog@flash, 25플랜) 턴별 관측·노트·클립. v1_train_1299__2 ✗ / v1_train_1299__2 ✗ / v1_train_1362__0 ✗ / v1_train_1362__0 ✗ / v1_train_1362__0 ✗ / v1_train_1362__2 ✗ / v1_train_1362__2 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_1847__1 ✗ / v1_train_188__2 ✗ / v1_train_188__2 ✓ / v1_train_1949__2 ✗ / v1_train_1949__2 ✓ / v1_train_1949__2 ✗ / v1_train_2102__1 ✗ / v1_train_2102__1 ✗ / v1_train_2159__2 ✓ / v1_train_2159__2 ✓ / v1_train_2159__2 ✓ / v1_train_2169__1 ✓ / v1_train_2169__1 ✗ / v1_train_2224__0 ✗ / v1_train_2224__0 ✗ / v1_train_2224__0 ✗

온라인 실행 트랙 walkthrough find (prompt-logged) (textlog@flash, 2플랜) 턴별 관측·노트·클립. v1_train_1362__0 ✗ / v1_train_1362__0 ✗

온라인 실행 트랙 walkthrough restore v1.1 (prompt-logged) (textlog@flash, 1플랜) 턴별 관측·노트·클립. v1_train_1847__1 ✗

v1 final 온라인 컨트롤 파일럿(80플랜, $8.36) 파이프라인 상세: 데이터→씬 복원→메모리 시드→턴 루프(관측·VLM 결정·실행·피드백)→채점의 입력/출력을 실제 산출물(관측 PNG·메모리 텍스트·결정 JSON·실행 영상·판정)로 추적. find는 pick 지배(539/589)라 SR은 VLA 상한; 올바른 장소 도달률과 pick 성공률을 분리 보고.

yj-1→B200 이관 묶음(21 MB) dry-run 복원 전부 통과. 이 서버에 conda \1·에셋 캐시(버전 30/32 일치)가 이미 있어 568 GB 다운로드 불필요 — 남은 일은 경로 치환·sbatch 래핑·molmospaces 패치 격리

HF 143b49ac 신규 type2 12편(총 2.8h, 유닛 195·cut 195) + resume 48행(+cue ablation 96) 전수 정리 — 편마다 4 task 타임라인·cut 마커·8배속 3캠 영상·질의별 상황/정답/썸네일; 정합성 전수 통과, control 7행, ablation press 문장 body id 누출 24행·L2 instruction placeholder 113건

Restore ② 생성안 — 유일 클래스 물체를 A 목격→못 본 이동→B 재목격→로봇 앞 teleport→'처음 자리로'(정답 A·미끼 B). 단순 버전은 find distractor와 동일해 중복

4가족×Direct2/Stateful1 격자 — 축=기억 출처: Direct ①내 행동 기록 / ②수동 관찰(스쳐 본 것) / Stateful 실행 상태

OpenRAL 메모리 스키마·원전(TidyBot/DROC/Zep/Mem0/MemGPT)을 우리 write-phase와 D Routine에 대조 — 분석 후보 4·전략 추가 후보 2, D3 폐기·Routine Direct/Stateful 분기, 규칙 유도/적용 2단 지표, 결정 8건

OpenRAL: 벤치 통합 불가(MolmoSpaces 없음) / 2-stage 골격은 우리와 동일, 차이는 GT 없는 완료 판정·타입드 미션 원장·섹션형 MEMORY.md(C Restoring 없음)

bcaf2815 find 589·restore 322 검수 — 구조 정합 전수 통과, 질의 프레임 정답 가시 find 141/restore 156·지시어 모호 후보 find 55/restore 24·n_hops 정의 오류 등 확인 필요; 예시 7편 3캠 영상+GT 증거 프레임

v1 final restore family가 find 채점 계약(hidden→fixture strict, floor 처리)을 못 받아 nested from/to 답 322행 전부가 \1로 오분류되어 채점 대상에서 제외되던 버그 발견·수정 — \1/\1/라벨 축을 family-aware로 전환, dry-run 322/322(100%) gradable 확인, find 채점 회귀 테스트 107개 전부 통과.

본표 채점 범위 결정: hidden 제외(open 526행). 재집계만으로 완료 — 순위 변화는 flash-3.7 2위 스왑(tagmem↔frames) 하나, G1 4/4·오라클·매체선호 결론 유지. tagmem hidden 강점(place .475)은 별도 표로. 원천 grid_v1final.py delta nohidden

v1 final surface-None 88답을 A바닥(14)/B hidden(43)/C미라벨(39)로 3분류 → 반점 채점 시도 후 사용자 정정으로 \1 확정(place_gradable 510/584→545/545=100%); 카나리아 비용 실측(flash $72/100편)으로 예산 초과 확인해 sonnet 제출을 익일로 재조정(job 97359/97372/97370)

온라인 실행 트랙 restore11 v22 r2 mixv2 (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_733__0 ✗ / v1_val_733__0 ✗

온라인 실행 트랙 restore11 v22 r2 flagship (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_733__0 ✗ / v1_val_733__0 ✗

온라인 실행 트랙 restore11 v22 r1 mixv2 (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_733__0 ✗ / v1_val_733__0 ✗

온라인 실행 트랙 restore11 v22 r2 cosmos (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_733__0 ✗ / v1_val_733__0 ✗

온라인 실행 트랙 restore11 v22 r1 cosmos (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_733__0 ✗ / v1_val_733__0 ✗

온라인 실행 트랙 restore11 v22 r1 flagship (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_733__0 ✗ / v1_val_733__0 ✗

HF v1 final(find) 수령 — 100편/584질의 train_* 새 레이아웃, 42.8GB 다운로드 완료, \1 하드코딩 1곳 수정 후 dry-run 통과; 논문 표(v0.7 val)와 다른 데이터라 재측정 결정 필요

restore(원위치) 11플랜 × 3반복 = VLA당 33 에피소드(최종 하네스: bench 초기자세·변 정방향 접근·MS 절단 제거). SR Cosmos 13/33(39%) · mixv2 12/33(36%) · 플래그십 10/33(30%) — 95% CI 완전 겹침, 통계적으로 동급. 서브골: 든 상태 place 59–63%(플래그십 최고), pick 11–15%가 공통 병목. 난이도는 VLA보다 플랜(물체)이 결정: 티슈박스 3/3/3, 병·리모컨 2개·그릇 2개 플랜은 전 VLA 0/3.

Figure 1(teaser)·Figure 2(protocol)를 AI 생성 이미지+TikZ 라벨 오버레이로 완성, 통계 표를 3-패널 벡터 그래프로 전환, §3.3 재서술+부록 신설로 본문 페이지를 10.2p→정확히 9.0p 규정에 맞춤 (총 14p, 컴파일 클린, 인용 20/20 검증)

온라인 실행 트랙 restore v18 mixv2(링+정면) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v20 cosmos(정방향+무절단) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore11 v21 flagship(최종 하네스) (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_733__0 ✗ / v1_val_733__0 ✗

온라인 실행 트랙 restore v15 공식 Pi0-DROID (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v17 Cosmos(접근 링) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v19 flagship(변 정방향) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v17 mixv2(접근 링) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v20 mixv2(정방향+무절단) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v20 flagship(정방향+무절단) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✓

온라인 실행 트랙 restore v18 flagship(링+정면) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 find ctx3 v16 플래그십 (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗ / val_101__1 ✗ / val_101__1 ✗ / val_101__1 ✓ / val_101__1 ✓

온라인 실행 트랙 restore v19 cosmos(변 정방향) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v18 cosmos(링+정면) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✗

온라인 실행 트랙 restore v19 mixv2(변 정방향) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v16 플래그십 MolmoBot-DROID (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v17 플래그십(접근 링) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore11 v21 mixv2(최종 하네스) (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_733__0 ✗ / v1_val_733__0 ✗

온라인 실행 트랙 restore11 v21 cosmos(최종 하네스) (textlog@flash, 11플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_406__0 ✗ / v1_val_406__0 ✓ / v1_val_406__0 ✗ / v1_val_733__0 ✗ / v1_val_733__0 ✗

공식 MolmoBot 두 체크포인트를 VLA 슬롯에 교체 시험하며 하네스 결함 4건 발견·수정(초기 팔 자세 분포, place 접근 방향(±45° yaw 증강→변 정방향), MS 자체 판정이 놓는 도중 서브골 절단, 플랜 간 ws 미종료). 최종(v20): 플래그십 MolmoBot-DROID restore 2/3(침대·변기 정상 배치), Cosmos 0/3, mixv2 0/3; ctx3 플래그십 4/11 = mixv2 4/11 > 공식 Pi0 3/11. place 전용 프로브: 플래그십 평면 3/3, Cosmos 2/3. 남은 병목 = 쿠션 위 pick(6–25%)·침대 가장자리 릴리즈. v21 11플랜(3 컨텍스트): mixv2 5/11 > Cosmos 4/11 > 플래그십 2/11 — 절단 제거 후 든 상태 place는 대체로 성공(8/10·6/9·4/7), 병목은 pick(9–16%).

ICLR 2027 논문 계획 v3 — 가제 \1 확정, STARBench=arXiv 2511.14004 해소, RoboCasa v1 제외, ICLR 규칙 표(9p 상한·AI use statement 필수); Intro 문안 반영 + routine 완성태 + PH 4종

실행 SR 채점을 답 단위로 바꿔 바닥에 떨어진 답은 도달(reach-only)만으로 충족시킴 — oracle-loc SR_C 0.647→0.658(+0.011), 순위 불변, 옛 전부-lift 값은 \1로 병기. 온라인 v5 bowls는 이 규칙으로 ✗→✓ 재판정.

온라인 restore(\1) 3플랜에서 VLA(π0.5) 내려놓기가 구조적으로 실패(누적 1/12)함을 확인하고 하네스 place 프리미티브(레이캐스트 평지 안착)를 신규 구현 — v1→v10 반복 끝에 최종 2/3, 남은 실패는 VLA pick(정책 ceiling)뿐. 판정 로직 버그 3건 전역 수정.

tagmem을 353질의 대표본(기존 소표본 n=18~46 대비)으로 재검증 — 종합 3위(vis>frames>tagmem>textlog>rf-v2>blind), 비오라클 1위 층은 바닥(0.40/0.40)뿐, v1이 주장한 \1과 \1은 소표본 노이즈로 정정됨. 이미지 cap 16→8은 distractor 층에서만 -0.06, 사건 기억은 무손실.

Full online 실행 SR(S3 find 353질의 × 전략 × flash, 메모리 시드 + VLM 매 턴 판단 + π0.5 실조작): frames-uniform: 0.436 (n=353) · rollforward-vis-pure: 0.433 (n=353) · rollforward-v2: 0.312 (n=353) · textlog: 0.385 (n=353) · blind: 0.289 (n=353). 분모 = 전체 질의; 메모리 신호 = 셀 − blind(탐색 몫 제거)

tagmem 튜닝 캠페인 통합: 확정 이득 2개 + 수렴 판정. 남은 오답 6행 전수 해부(실물 이미지·타임라인·reasoning·원인) — 지각 공통 3 · 거짓 저장 1 · 인스턴스 2

저수준 VLA를 π0.5→Cosmos3-Nano-Policy-DROID(zero-shot)로 바꾼 restore 3플랜 비교(v11~v14b): Cosmos는 든 채 내려놓기를 엄격 판정 4/13 성공(π0.5 0/4~0/7), 평면 상판만 · 침대 0/7 · restore SR은 둘 다 0/3; 놓임 판정 2단 수정 + navigate 도착 거리(침대 0.85→0.3 m) 수정

온라인 실행 트랙 restore v12 — Cosmos3-Nano-Policy-DROID (VLA pick+place; 판정 수정 1차) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✓

온라인 실행 트랙 restore v14b — Cosmos3-Nano-Policy-DROID (VLA pick+place, nav 수정 + 놓음=손 뗌 판정) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v14 — π0.5 mixv2 (VLA pick+place, nav 수정 + 놓음=손 뗌 판정) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v11 — Cosmos3-Nano-Policy-DROID (VLA pick+place, zero-shot) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

온라인 실행 트랙 restore v13 — Cosmos3-Nano-Policy-DROID (VLA pick+place; 놓음 = 손을 뗀 지지) (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗

tagmem 전 파이프라인 실물 공개 — 저장 그래프(프레임 썸네일)·질의 태그·검색 경로·읽은 entry·reasoning 전문, 36질의 × 2모델

ours 태그 그래프 메모리: 검색미스 0 (해법 사다리 검증), flash 비오라클 최악-케이스 최강 min 0.36, 읽기량 ~8 entry. 병목은 표면 접지·거짓 저장으로 이동

온라인 실행 트랙 스모크 v5 (textlog@flash, 3플랜) 턴별 관측·노트·클립. val_101__1 ✓ / val_11__2 ✗ / val_379__0 ✓

온라인 실행 트랙 ctx-v1_val_144__2 (textlog@flash, 7플랜) 턴별 관측·노트·클립. v1_val_144__2 ✓ / v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✗ / v1_val_144__2 ✓

온라인 실행 트랙 restore-v10 (textlog@flash, 3플랜) 턴별 관측·노트·클립. v1_val_144__2 ✗ / v1_val_144__2 ✓ / v1_val_144__2 ✓

온라인 실행 트랙 ctx-val_101__1 (textlog@flash, 4플랜) 턴별 관측·노트·클립. val_101__1 ✗ / val_101__1 ✓ / val_101__1 ✗ / val_101__1 ✓

VLM eval 답 재생 실행 SR: oracle-loc SR_B 0.83 / SR_C 0.24, P(lift|reached) 0.17; 셀 격차는 Stage B(위치 정확도+접지)에서, Stage C는 정책 ceiling 공통. Stage C 81 플랜 실행.

VLM eval 답 재생 실행 SR: oracle-loc SR_B 0.83 / SR_C 0.66, P(lift|reached) 0.75; 셀 격차는 Stage B(위치 정확도+접지)에서, Stage C는 정책 ceiling 공통. Stage C 354 플랜 실행.

v1 3가족(find/restore/resume) 36질의 × 5전략 × 2모델 전수 — 발화=명세/메모리=이력 분리 검증, blind remaining 0.00, textlog 오라클 만점대. 전 질의 카드에 영상·메모리·output 원문 동봉

온라인 실행 트랙 스모크 v3 (textlog@flash, 3플랜) 턴별 관측·노트·클립. val_101__1 ✓ / val_11__2 ✗ / val_379__0 ✗

온라인 실행 트랙 스모크 v4 (textlog@flash, 3플랜) 턴별 관측·노트·클립. val_101__1 ✗ / val_11__2 ✗ / val_379__0 ✗

온라인 실행 트랙 1차 3플랜(textlog@flash): remote single SUCCESS(3턴), spatulas multi FAIL(1개 든 뒤 done — textlog에 두 번째 없음), bowls multi FAIL(#1 든 채 이동 → #2 pick 12턴 5~14스텝 조기종료(VLA done, 손에 든 bowl 타깃) + VLM 허위 완료 주장). 턴별 관측/노트/클립 전부 수록.

신규 3가족 판정: \1 거의 그대로(어댑터) · \1 계약 확장(from/to 이중 기억) · \1 신규 러너(프레임컷) — 전수 측정 ~$5-10

온라인 실행 트랙 설계 — 컨텍스트 메모리를 가진 VLM이 매 턴 (프레임+관측+메모리)→(subgoal+노트) 1콜, N14 통합 턴 재사용 + navigate(room,surface) 접지 v3 + 전략별 메모리 시딩 + GT any-of 판정; 1차 80질의×3전략×flash=240 에피소드(≈36 GPU-h, VLM $20–50), 재생 트랙과 쌍 Δ. 태스크 T1–T6, 결정 포인트 5개 피드백 대기.

사용자 지적 3건(GT 누출·영상 오류·노트/서브골 분리)에서 온라인 메모리 v2를 재설계·구현 — \1(이름 기반 그라운딩)+\1(1콜 통합) 신설, 텔레포트 렌더 정지 버그(distinct frame 1/12→8/12)와 zed2 비-로봇시점 버그(diff 0.00→34~47) 발견·수정. 스모크에서 과제를 탐색→온라인 제어로 재정정하고 카메라를 bench_exo_L로 교체(팔 가시성 확보) — 이 토대 위에서 실조작 검증(job 87852)까지 완주(별도 리포트).

VLM eval 답(S3)을 벤치마크 종료 상태로 복원한 씬에서 재생해 Tier B(접지+도달)·Tier C(VLA 실조작) SR을 뽑는 파이프라인 설계 확정 — VLM 재호출 0, 고유 플랜 1,121+oracle 353, 조작 2.5 min/회 실측 → Stage C ≈45 GPU-h. 결정 4건(B-통과만/zed2/600×2/S3 353) 확정, 구현 계획 8태스크 작성.

실제 VLA를 붙인 온라인 2-stage 제어 — VLM이 subgoal을 내고, VLA가 600스텝 조작하고, VLM이 프레임만 보고 실패를 기억한다. 조작 8/8 실패(knife)가 현재 병목

S2 전량측정 계획(759질의, \1) 수립 중 사용자가 방향을 \1으로 명시 교정 — 전략 필터링·하이브리드 신설 보류, rollforward-v2도 유지. 예산 상한(\1) 때문에 같은 날 353질의 \1 budget sweep(S3)으로 축소 실행됐고, 계획에 남긴 하네스 작업 중 방 이름 조인만 당일 완료(38→6건).

예산 표본 353질의(전체 759의 47%, 분포 일치) 5전략 × 2모델 측정 — 총점은 비슷하나 구성이 정반대: textlog는 로봇이 옮긴 물체 0.78·바닥 0.97, 시각은 지나치며 본 물체 0.58. blind 0.204는 상식 바닥선

v3 계약(누출 제거) 첫 측정 — blind 0.0으로 누출 제거 확인. 텍스트/시각 메모리가 질의 종류별로 정반대 강점(textlog는 옮긴 물체 0.50·안 건드린 물체 0.00, vis-pure는 0.17·0.92). 테스트가 우리 쪽 결함 2건(textlog 생성규칙·floor 채점축)을 적발

E6 설계 v2 — 후보 리스트가 정답을 66.6% 누출(find_distractor는 100%)함을 실측하고 전면 재설계. 에피소드별 물체 리스트를 폐기하고 데이터셋 전역 어휘(물체 57 / 방 4+floor / 표면 15)만 제공, 답을 '어디에'로 전환. 프롬프트 전문 수록

HF 정식 릴리즈 파악 — 153 eps/79채/759 질의(전부 채점 가능), body-id 채점·multi-step·misplaced/concealment 축 신설. 260813 검증에서 지적한 버그 전부 생성 측 수정 확인. 로더 무수정 호환, 어댑테이션 5건(E6) 정의

다중 씬(5채) ckpt 매트릭스 — N6의 'part1 무모션' 결론 기각 — 성공 5건이 결정적 증거 (단 저모션 2셀은 렌더 프록시로 판정 불가, 액션 로그 필요). SR은 part1 3/10 vs aux mix 2/10로 aux pick 개선 미확인 (n=10, 과제 랜덤). worker EGL(T4) 컨테이너 경로 첫 검증

10전략 통합: 오라클 textlog 0.833에 flash는 이미지 메모리(vis-pure/hybrid·frames-place)로, sonnet은 후보 보조 자필 노트(rollforward-v2)로 각각 동률 도달 — 기록 매체 선호가 모델별로 완전 분기. 시간 실측·대량 측정 스케일 추정 포함

Online 2-stage 파이프라인의 두 모델(VLM planner / \1-FT VLA) I/O 계약을 T3 실측 예시(프레임·프롬프트·JSON 출력 원문)로 정리 — T4 진입 전 레퍼런스

Scene-level long-term memory 벤치마크 설계안 v0 — MolmoSpaces-Bench 8개 base task를 subgoal 문법으로 그대로 재사용하고 그 위에 '에피소드 간 지속 상태 + 관측되지 않은 세계 변화'를 얹는다. Entity/Event/Behavior × Horizon × Step의 3축 큐브, household 사례 10개 완본, VLM↔VLA I/O 계약, 학습 필요 컴포넌트 판정, 네비게이션 3단 설계까지.