allex-eef-N-h16 — arm N (base)

ALLEX 절대-EEF 50D RLDX-1 mid-train, flow-matching 손실 하나뿐. CogAlign 없음, 토크나이저 latent 없음. arm AB 의 대조군이다.

구조 — 체크포인트마다 폴더가 나뉘어 있다

경로	step	비고
checkpoint-30000/	30,000	중간
checkpoint-50000/	50,000	중간
checkpoint-60000/	60,000	완주 (train_loss 0.0282)

from huggingface_hub import snapshot_download
p = snapshot_download("jungwook2358/allex-eef-N-h16",
                      allow_patterns="checkpoint-60000/*")

공통 설정 (두 arm 동일)

• base: RLWRLD/RLDX-1-PT-IMG
• action: 절대 EEF 50D = left_wrist_wrt_base 9 + right_wrist_wrt_base 9
  • left_hand_joints 15 + right_hand_joints 15 + neck_joints 2 (waist 제외, 상대화 없음) 순서는 Stage-1 토크나이저와 Stage-2 RLDX 가 동일하다 (left → right → neck).
• horizon 16, embodiment_tag GENERAL_EMBODIMENT, --override-pretraining-statistics
• 정규화 q99: 2*(x-q01)/(q99-q01)-1 후 clamp(-1,1). 3소스 병합통계(q01=min-of-q01, q99=max-of-q99)
• 글로벌 배치 256 (2 GPU × per-device 128, accum 1), lr 1e-4, 60,000 스텝
• 카메라 2대 (ego left/right), video_length 1, state_dropout 0.3
• VLM 동결: tune_llm=False, tune_visual=False, tune_top_llm_layers=0
• 데이터: robot allex v1v6 / human hmd,umi v1v12 LPF — 비율 0.50 : 0.25 : 0.25

각 checkpoint-*/ 안에 그 체크포인트 고유의 정규화 통계가 들어 있다: experiment_cfg/dataset_statistics.json, processor/statistics.json. 다른 체크포인트의 통계를 갖다 쓰지 말 것.

추론에 쓰이지 않는 학습 상태(global_step*/, optimizer.pt, scheduler.pt, rng_state_*.pth, training_args.bin, zero_to_fp32.py)는 올리지 않았다.

코드

• Stage-2: jungwook235/RLDX-1-egopi branch feat/allex-eef-h16-midtrain
• 스크립트·문서: jungwook235/action-tokenizer gpu26-server/submit/allex_eef_*, docs/allex_eef_midtrain/README.md

⚠️ action_dim 이 48 이 아니라 50 이다. 기존 allex 런(조인트 48D, waist 포함)과 다른 계보이므로 48D 로 로드하면 안 된다.