Jeon Hojin

압축 가능성 라벨로 게이트를 학습한 액션 양자화(ATQ) 체크포인트다. 하나의 정책이 미세(1x) 디코더와 압축 디코더를 함께 갖고, VLM 라벨에서 배운 conf 가 둘 중 어느 군을 쓸지 고른다. 라우터는 그 군 안에서 horizon 만 고른다. (VLM 전용, 접촉 열 없음 · 16,286행 · 1,693에피 · stride 16) moeexperthorizons = [16, 9, 5, 8] · confthreshold(tau) = 0.55 · discreteactiondims = [6] (그리퍼는 절대 명령이라 · actionmergereduction = sum 회전 병합은 SO(3) 다(rotationmergespec 이 config 에 있다). 압축 블록의 회전 다시 정규화한다. scipy 대조 각도 오차 1e-14도. LIBERO 는 5 fine 스텝마다 재계획한다. 압축 행 하나는 fine 액션 2~3개의 합이므로 같은 배속이 되고, 배속을 움직이는 손잡이는 conf 게이트 하나다: 넘으므로 OSC 팔 컨트롤러의 입력 클립을 제거한 조건에서 평가했다(그리퍼 그대로). 게이트는 벤치마크가 실제로 깨지는 순서를 따른다 -- 압축에 강한 liberoobject 를 가장 많이 압축하고, 2배에서 -0.160 으로 무너지는 liberospatial 은 거의 압축하지 않는다. 브랜치 jimin-dev-label-gated.…

압축 가능성 라벨로 게이트를 학습한 액션 양자화(ATQ) 체크포인트다. 하나의 정책이 미세(1x) 디코더와 압축 디코더를 함께 갖고, VLM 라벨에서 배운 conf 가 둘 중 어느 군을 쓸지 고른다. 라우터는 그 군 안에서 horizon 만 고른다. (VLM 전용, 접촉 열 없음 · 16,286행 · 1,693에피 · stride 16) moeexperthorizons = [16, 7, 3, 8] · confthreshold(tau) = 0.55 · discreteactiondims = [6] (그리퍼는 절대 명령이라 · actionmergereduction = sum 회전 병합은 SO(3) 다(rotationmergespec 이 config 에 있다). 압축 블록의 회전 다시 정규화한다. scipy 대조 각도 오차 1e-14도. LIBERO 는 5 fine 스텝마다 재계획한다. 압축 행 하나는 fine 액션 2~3개의 합이므로 같은 배속이 되고, 배속을 움직이는 손잡이는 conf 게이트 하나다: 넘으므로 OSC 팔 컨트롤러의 입력 클립을 제거한 조건에서 평가했다(그리퍼 그대로). 게이트는 벤치마크가 실제로 깨지는 순서를 따른다 -- 압축에 강한 liberoobject 를 가장 많이 압축하고, 2배에서 -0.160 으로 무너지는 liberospatial 은 거의 압축하지 않는다. 브랜치 jimin-dev-label-gated.…

ATQ label-gated MoE, 2.5x compressed group, v22 VLM-only conf label, SO(3)-composed merged rotation GT, RoboCasa 60k 60,000 steps, seed 42, RoboCasa 24 tasks, 2 GPUs. Labels: prehj/robocasa-conf-labels-v22 (VLM only, stride-16 anchors interpolated to every frame; frames outside the anchor span are masked out of the conf loss). confthreshold in the config is the training default -- it is an eval-only knob (the head regresses conf and never thresholds it), so override it at serve time with --conf-threshold. optimizer.pt is not included: the run finished its schedule, so there is nothing to resume; the weights are what you want.

ATQ label-gated MoE, 2.0x compressed group, v22 VLM-only conf label, SO(3)-composed merged rotation GT, RoboCasa 60k 60,000 steps, seed 42, RoboCasa 24 tasks, 2 GPUs. Labels: prehj/robocasa-conf-labels-v22 (VLM only, stride-16 anchors interpolated to every frame; frames outside the anchor span are masked out of the conf loss). confthreshold in the config is the training default -- it is an eval-only knob (the head regresses conf and never thresholds it), so override it at serve time with --conf-threshold. optimizer.pt is not included: the run finished its schedule, so there is nothing to resume; the weights are what you want.