학습 목표

이 장을 마치면 학습자는 다음을 수행할 수 있다.

1. behavior cloning의 목적함수와 covariate shift에 의한 오류 누적을 설명할 수 있다.
2. 단일 행동 회귀, ACT, Diffusion Policy, VLA 정책의 표현력과 계산 비용을 비교할 수 있다.
3. LeRobotDataset v3의 data, videos, meta 관계와 episode reconstruction 방식을 설명할 수 있다.
4. 카메라·관절·행동·언어 데이터를 일관된 feature schema로 설계할 수 있다.
5. episode 단위 train/validation/test 분할과 training-only normalization을 구현할 수 있다.
6. SmolVLA의 VLM context와 action expert, action chunk 생성을 설명할 수 있다.
7. full fine-tuning과 LoRA의 parameter/memory trade-off를 평가할 수 있다.
8. training configuration, checkpoint, dataset revision을 재현 가능한 형태로 기록할 수 있다.
9. 20 Hz 폐루프에서 chunk 실행, temporal ensembling, inference latency를 다룰 수 있다.
10. 데이터 공개 전 라이선스, 개인정보, 음성·영상·Hub 접근 권한을 점검할 수 있다.