フィジカルAI研究室を作る Log#22 | mechArm 270 の AI の直しが、ゲームパッドで1回13秒に

小型ロボットアーム mechArm 270 を Physical Intelligence の π0.5 で動かし、失敗しかけた所を人がゲームパッドで直すと、1回の直しにかかった時間は中央の値で約13秒でした。キーを1回ずつ打って直していた前の回（10月31日と11月1日）は41〜51秒だったので、およそ4分の1です。実物のアームで9回動かして19回直し、直した所は9回とも同じ2か所でした。

この回でやったことで、次の3つが変わりました。

• 良くなること：AI が失敗しかけたときの直しが、キーボードの1°ずつから、ゲームパッドの長押しになった。つかんだあとの持ち上げ（肩を約25°）も、十字キーを押し続けるだけで済む。19回の直しで、押したのに受け付けられなかった操作は0回だった
• もたらされること：人が直した成功の記録を、次の学習データにそのまま回せるようになった。この回の成功4本を足したデータで、新しいモデル（corr3）を一晩で学習させた。前の回（LOG446）で直したアームの中の受け口のおかげで、AI の1回分の動き（推論1回分）を実行する時間も 6.6秒から1.7秒に縮んだ
• 時間・費用：推論に借りた GPU は23分21秒で約36円、学習は約3.1時間で約292円。9回の直しを全部合わせて280秒（4分40秒）で、前の回のキーボードの直しは14回で657秒だった

π0.5（パイレイテンゴ）は、米国の Physical Intelligence 社が公開しているロボット用の AI のモデルです。上から見たカメラの画像と6つの関節の角度を受け取り、次の1秒ぶんの関節の角度を返します。人が手で教えた19回のお手本と、人が直した成功の記録で学習させ、赤いブロックをつかんで白い箱に入れる作業をさせています。AI が失敗しかけたら、その場で人が関節を直し、直した動きも学習に回す。これを繰り返して、人の直しが要らなくなるところまで持っていくのが、このシリーズのいまの狙いです。

9回とも、直したのはつかむ前の根元の向き（約2°）と、つかんだあとの持ち上げ（肩を約25°）の2か所で、失敗した4回は、どれもつかんだあとにブロックが落ちていました。 落ちた回の録画では、持ち上げたあとのブロックが爪の中で斜めに回っています。つかみが浅いのか、爪の締めが緩いのかは、この記録だけでは分かっていません。

やったことの全体は次のとおりです。

次は、corr3 で実機を動かし、つかんだあとに AI が自分で持ち上げるようになったか、根元の向きの直しがどこまで減るかを確かめます。

GPU を買うか借りるかの判断は、Runpod で実際に借りて学習させた費用をもとに、別のページにまとめています。

この回の作業は、Claude（手順と分析を一緒に組み立てた AI）と進めました。アームとゲームパッドの操作と、目で見た判断はこちらで行い、記録の集計と推論のプログラムの直しは Claude が行っています。次の学習データづくりと学習の準備は Claude Code（プログラムを書く AI）に依頼箱を通して頼んでいます。ここから下は、使ったコマンド・出力・依頼文・集計のコードを全量で載せた作業ログです。ログの中の Pod の IP アドレスとポート番号は <POD_IP> と <SSH_PORT> に置き換えて記録されています。鍵（Runpod と Hugging Face のアクセストークン）は、どこにも載せていません。費用の円は 1ドル＝158円 で計算しています。結果の数字は記録から数えた値で、見込みのものは見込みと書いています。

作業ログ ― ゲームパッドの補正を π0.5 の推論につなぎ、9回直して、直した記録で corr3 を学習するまで

この回で使う言葉

11/5 19:30 推論の補正をゲームパッドでできるようにした（run_policy_client.py に p を足した）

前の回（LOG446）で、ゲームパッドで mechArm 270 を手で動かす道具（tools/gamepad_teleop.py）を作りました。ただ、それは推論とは別に起動する道具で、AI の推論の途中で使う直し（pi05/run_policy_client.py の c）は、キーボードで1°ずつ打つ形のままでした。そこで、推論のあとの確認にゲームパッドの直しを足しました。

最初は、p を押したときに gamepad_teleop を別のプログラムとして起動し、直し終えたら閉じる形を考えました。gamepad_teleop をほとんど変えずに済むからです。ところが、アームの中の daemon のコードを読むと、つながりを1本ずつしか受けない作りでした（listen(1) で受け、1本のつながりが切れるまで次を受けない）。推論のプログラムがつながったままだと、別のプログラムのゲームパッドは待たされて動きません。推論の側を切ると、今度は記録係（上カメラと関節の角度を1秒10コマで残す部分）が角度を読めなくなり、直している間の動きが学習データに残りません。

そのため、gamepad_teleop の操作の部分を、推論と同じプログラムの中で動かす形にしました。daemon へのつながりと、送る順番をそろえる鍵は、推論・記録係・ゲームパッドで共有します。

• ねらい：AI が失敗しかけた所を、LOG446 で固めたゲームパッドの操作で直し、その動きをそのまま学習データに残す
• 変わったこと：推論のあとの確認に p を足した。p で gamepad_teleop と同じ画面が開き、操作・送り方・守り（関節の動かせる範囲）は LOG446 と同じ。□ で、直した姿勢から推論に戻る。直している間の記録は補正（correct）として残り、爪の指令は送った瞬間に記録に入る。押した操作は log.jsonl に1つずつ残る
• 見込める効果：キーボードで1°ずつ打っていた直しが短くなる見込み（測った結果は、このあとの直しの時間の節）

守りは gamepad_teleop と同じにしました（関節の物理的な可動域、手首 j4 の −90〜+60°、肩 j1 は 90.87° まで）。学習データの範囲より広いので、範囲の外で □ を押したときは、次の推論で端へ切られるか止まることを画面に出します。直した補正は、推論に戻ったあと b で巻き戻せます（送った目標を逆にたどる。爪を動かした補正は、キーの補正と同じく巻き戻さない）。

テストは、新しく pi05/test_pad_correction.py の4件と、tools/test_gamepad_teleop.py の1件（動いている間の □ を断る）を足しました。本物の pygame（ゲームパッドを読むライブラリ）の画面を画面なしで動かし、偽のコントローラーの押しを流して確かめています。前からあるテストも通りました（pi05/test_rewind_correct.py の録画ファイルを見る1件だけは、Claude の作業環境の Linux では変更の前から落ち、Mac では通ることを依頼97で確かめています）。この回のコードは、記事の終わりに全文を載せています。

commit cd2fb46 の差分（run_policy_client.py・gamepad_teleop.py・テスト）

commit cd2fb4602ad724108e7c3b4f9b118b862801012e
Author: Eiichi Shimazu <studio@adaptdesign.jp>
Date:   Thu Nov 5 10:42:07 2026 +0000

    run_policy_client: 推論のあとの確認に p (ゲームパッドで補正) を足す. gamepad_teleop を同じプロセスで動かし □ で推論に戻る (LOG450)
    
    Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
    Claude-Session: https://claude.ai/code/session_01LevEXVQCng1HbyW9QDciA6

11/6 18:35 corr2 で Pod を立てた（lab_start.sh）

実機の前に、上カメラ（スマホ）・Pi の電源・ゲームパッドの Bluetooth をつないでから、Mac で次の1行を打ちました。

cd ~/r2r2r-scripts && ./lab_start.sh --gpu A40 --log Log22 --model corr2

Pod を作ってからサーバーが待ち受けるまでは214秒でした（Pod を作る2秒・立ち上がり28秒・スクリプトを送る56秒・鍵10秒・モデルを取る32秒・openpi 14秒・uv sync 21秒・設定2秒・サーバーの起動44秒・トンネル2秒・デーモンの確かめ3秒）。最初の推論だけ 52,970ms かかりました。サーバーが最初の1回だけ、計算の組み立て（コンパイル）をするためです。2回目からは中央の値で691ms でした。

Pod の準備の端末の記録 lab_start_20261106_183505.txt（1〜454行目）

[LAB   ] 2026-11-06 18:35:05  GPU=NVIDIA A40  episode=run_0001_20261019_194818  log=/Volumes/KIOXIA/r2r2r-data/lab/Log22  
[MODEL ] --model corr2: corr の 1499 から trim2_corr_v4b で続きを学習した 1499 (依頼 57 / 58)
         PixelstoMotors/pi05-mecharm-trim-corr-lora-v2 → /workspace/ckpt/corr_v2_1499  設定 pi05_mecharm_trim_corr_v4_lora  assets local/mecharm_redblock_box_teach_v1_trim2_corr_v4b

=== 1. Pod を作る
[POD   ] 作った: id b6j7nc4m74h7ru  GPU=NVIDIA A40  1時間 0.59 ドル  (記録 /Volumes/KIOXIA/r2r2r-data/lab/Log22/pod/lab_pod.json)
    (2 秒)

実機の1〜9回目（18:39〜18:58）：成功5回・失敗4回、直しは19回ともゲームパッド

9回の結果と直しの中身は次のとおりです。直しの欄の角度は、直しを始めたときと終えたときの実測の差（1°未満の関節は省いた）です。

どの回も流れは同じでした。AI がブロックの上まで下りてきたところ（推論3のあと）で、爪の真ん中にブロックが来るよう、十字キーの左右で根元 j0 を1°ずつ2〜3回回しました。AI が爪を閉じたあと（推論4か5）、持ち上げが足りないまま箱の方へ向かう動きになったところで、十字キーの上を長押しして肩 j1 を戻し（j1 は小さいほどアームが上がる）、ブロックを持ち上げました。そのあとは、成功した5回とも AI が箱の上まで運び、爪を開いて、HOME の方へ戻るところまで自分で続けています。

失敗の4回は、つかんだあとにブロックが落ちて、そこで h（HOME に戻して終える）を押しました。落ちたときの様子は、このあとの節にまとめています。6回目の結果の入力は、記録の画面に y n と残っていますが、y を消して n を打ち直したもので、記録（pi05_20261106_185050.json）は失敗です。

ゲームパッドの画面を開くたびに、ターミナルに objc[...]: Class ... is implemented in both ...cv2/.dylibs/libSDL2... and ...pygame/.dylibs/libSDL2... という警告が十数行出ます。カメラの読み込み（cv2）と pygame が、同じ部品を別々に持っているためです。LOG436 から出ているもので、動きには影響していません。

1回目 18:39 の端末の記録（成功・lab_start_20261106_183505.txt 455〜805行目）

1回目（pi05_20261106_183926）

    (44 秒)

=== 5. Mac の 8000 番へのトンネル
[TUNNEL] localhost:8000 → Pod の 8000 番 (pid 53112. このスクリプトが終わると閉じる)
    (2 秒)

=== 6. デーモンの状態
--- process

2回目 18:43 の端末の記録（失敗・806〜1013行目）

2回目（pi05_20261106_184312）

[SEND] pi05_chunk015_via09: send_angles (single) [  +3.65,   +4.49,   +2.24,   -0.73,   -4.62,  -30.75]  speed=20 wait=0.0s  (pre max|Δ|=2.54°, post-send timeout 8.0s)
[SEND] arrival OK: max|Δ|=2.54° (tol 3.0°)
       [VIA   ] step  9  Δ= -1.4  -2.5  -2.1  -0.3  +1.5  -0.1  着いた
[STATE ] 目標を渡す  目標と実測の最大差 2.15°（関節 j2）
[016] 推論 1461ms  10ステップ先  Δ= -2.6  -2.6  -2.2  -0.3  +1.6  -0.1
       [VIA   ] 中継点 4 点: step 2, 5, 8, 9
       Enter=実行 / s=送らず次へ / b=巻き戻し / p=ゲームパッドで補正 / c=キーで補正 / r=爪の締め直し / h=HOMEに戻して終了 / q=終了 > h
[SEND] pi05_home: send_angles (single) [  +0.00,   +0.00,   +0.00,   +0.00,   +0.00,  -30.00]  speed=20 wait=0.0s  (pre max|Δ|=5.97°, post-send timeout 8.0s)

3回目 18:44 の端末の記録（成功・1014〜1265行目）

3回目（pi05_20261106_184452）

[SEND] pi05_chunk009_via09: send_angles (single) [ +37.50,  +42.13,  +10.75,   +2.31,  -62.79,  -29.97]  speed=20 wait=0.0s  (pre max|Δ|=2.60°, post-send timeout 8.0s)
[SEND] arrival OK: max|Δ|=1.64° (tol 3.0°)
       [VIA   ] step  9  Δ= +0.2  +1.1  -2.6  +0.8  -1.5  -0.5  着いた
[STATE ] 目標を渡す  目標と実測の最大差 1.55°（関節 j2）
[010] 推論 1702ms  10ステップ先  Δ= +4.6 +15.6  -7.5  +2.1  -8.5  -1.1
       [VIA   ] 中継点 4 点: step 2, 5, 8, 9
       Enter=実行 / s=送らず次へ / b=巻き戻し / p=ゲームパッドで補正 / c=キーで補正 / r=爪の締め直し / h=HOMEに戻して終了 / q=終了 > h
[SEND] pi05_home: send_angles (single) [  +0.00,   +0.00,   +0.00,   +0.00,   +0.00,  -30.00]  speed=20 wait=0.0s  (pre max|Δ|=62.22°, post-send timeout 11.3s)

4回目 18:46 の端末の記録（成功・1266〜1541行目）

4回目（pi05_20261106_184650）

[SEND] pi05_chunk011_via09: send_angles (single) [ +25.08,  +26.35,   +4.86,   +0.71,  -29.83,  -31.27]  speed=20 wait=0.0s  (pre max|Δ|=4.67°, post-send timeout 8.0s)
[SEND] arrival OK: max|Δ|=2.74° (tol 3.0°)
       [VIA   ] step  9  Δ= -2.2  -4.7  -1.0  -1.4  +4.4  +0.5  着いた
[STATE ] 目標を渡す  目標と実測の最大差 1.77°（関節 j1）
[012] 推論 550ms  10ステップ先  Δ=-22.0 -23.5  -1.7  -1.3 +28.3  +0.8
       [VIA   ] 中継点 4 点: step 2, 5, 8, 9
       Enter=実行 / s=送らず次へ / b=巻き戻し / p=ゲームパッドで補正 / c=キーで補正 / r=爪の締め直し / h=HOMEに戻して終了 / q=終了 > h
[SEND] pi05_home: send_angles (single) [  +0.00,   +0.00,   +0.00,   +0.00,   +0.00,  -30.00]  speed=20 wait=0.0s  (pre max|Δ|=30.67°, post-send timeout 8.0s)

5回目 18:49 の端末の記録（成功・1542〜1790行目）

5回目（pi05_20261106_184906）

[SEND] pi05_chunk013_via09: send_angles (single) [ +21.96,  +22.55,   +5.07,   +1.27,  -29.76,  -31.15]  speed=20 wait=0.0s  (pre max|Δ|=4.25°, post-send timeout 8.0s)
[SEND] arrival OK: max|Δ|=1.79° (tol 3.0°)
       [VIA   ] step  9  Δ= -2.7  -4.3  -1.1  -1.1  +4.1  +0.6  着いた
[STATE ] 目標を渡す  目標と実測の最大差 1.79°（関節 j1）
[014] 推論 829ms  10ステップ先  Δ=-14.3 -16.0  -2.7  -2.3 +20.2  +0.7
       [VIA   ] 中継点 4 点: step 2, 5, 8, 9
       Enter=実行 / s=送らず次へ / b=巻き戻し / p=ゲームパッドで補正 / c=キーで補正 / r=爪の締め直し / h=HOMEに戻して終了 / q=終了 > h
[SEND] pi05_home: send_angles (single) [  +0.00,   +0.00,   +0.00,   +0.00,   +0.00,  -30.00]  speed=20 wait=0.0s  (pre max|Δ|=30.58°, post-send timeout 8.0s)

6回目 18:50 の端末の記録（失敗・1791〜1967行目）

6回目（pi05_20261106_185050）

[SEND] pi05_chunk011_via09: send_angles (single) [ +39.44,  +45.86,   +5.74,   +2.64,  -56.44,  -30.97]  speed=20 wait=0.0s  (pre max|Δ|=3.58°, post-send timeout 8.0s)
[SEND] arrival OK: max|Δ|=2.09° (tol 3.0°)
       [VIA   ] step  9  Δ= -0.4  -3.3  -1.4  +0.3  +3.7  -0.4  着いた
[STATE ] 目標を渡す  目標と実測の最大差 2.09°（関節 j4）
[012] 推論 549ms  10ステップ先  Δ=-18.1 -23.5  -2.3  -2.5 +26.8  -0.2
       [VIA   ] 中継点 4 点: step 2, 5, 8, 9
       Enter=実行 / s=送らず次へ / b=巻き戻し / p=ゲームパッドで補正 / c=キーで補正 / r=爪の締め直し / h=HOMEに戻して終了 / q=終了 > h
[SEND] pi05_home: send_angles (single) [  +0.00,   +0.00,   +0.00,   +0.00,   +0.00,  -30.00]  speed=20 wait=0.0s  (pre max|Δ|=57.74°, post-send timeout 10.7s)

7回目 18:52 の端末の記録（失敗・1968〜2157行目）

7回目（pi05_20261106_185225）

[接続] PS4 Controller  GUID=03008fe54c050000cc09000000016800  軸=6  ボタン=16
[長押し] j1 を +55.45° → +29.35° まで（目標を 3 回送信。止めます）
[PAD   ] 補正 2 を終えました (16.0 秒, 送った目標 3 回). この姿勢から推論に戻ります
[STATE ] 実測を渡す (直前に送った目標がない)
[008] 推論 825ms  10ステップ先  Δ=+11.6 +10.3  -2.7  +2.8  -4.1  -1.9
       [VIA   ] 中継点 4 点: step 2, 5, 8, 9
       Enter=実行 / s=送らず次へ / b=巻き戻し / p=ゲームパッドで補正 / c=キーで補正 / r=爪の締め直し / h=HOMEに戻して終了 / q=終了 > h
[SEND] pi05_home: send_angles (single) [  +0.00,   +0.00,   +0.00,   +0.00,   +0.00,  -30.00]  speed=20 wait=0.0s  (pre max|Δ|=63.89°, post-send timeout 11.6s)

8回目 18:54 の端末の記録（失敗・2158〜2353行目）

8回目（pi05_20261106_185415）

[接続] PS4 Controller  GUID=03008fe54c050000cc09000000016800  軸=6  ボタン=16
[長押し] j1 を +55.28° → +46.58° まで（目標を 1 回送信。止めます）
[PAD   ] 補正 3 を終えました (10.4 秒, 送った目標 2 回). この姿勢から推論に戻ります
[STATE ] 実測を渡す (直前に送った目標がない)
[009] 推論 787ms  10ステップ先  Δ=+19.5  +2.7 -19.6  +3.7  +6.5  -3.5
       [VIA   ] 中継点 4 点: step 2, 5, 8, 9
       Enter=実行 / s=送らず次へ / b=巻き戻し / p=ゲームパッドで補正 / c=キーで補正 / r=爪の締め直し / h=HOMEに戻して終了 / q=終了 > h
[SEND] pi05_home: send_angles (single) [  +0.00,   +0.00,   +0.00,   +0.00,   +0.00,  -30.00]  speed=20 wait=0.0s  (pre max|Δ|=61.52°, post-send timeout 11.2s)

9回目 18:55 の端末の記録（成功・2354行目〜最後）

9回目（pi05_20261106_185554）と、かかった時間のまとめ

[長押し] j1 を +54.05° → +50.71° まで（目標を 1 回送信。止めます）
[長押し] j1 を +46.31° → +46.31° まで（目標を 1 回送信。止めます）
[PAD   ] 補正 2 を終えました (18.0 秒, 送った目標 3 回). この姿勢から推論に戻ります
[STATE ] 実測を渡す (直前に送った目標がない)
[009] 推論 1464ms  10ステップ先  Δ=+21.1  +1.0 -13.2  +3.0  +4.8  -2.6
       [VIA   ] 中継点 4 点: step 2, 5, 8, 9
       Enter=実行 / s=送らず次へ / b=巻き戻し / p=ゲームパッドで補正 / c=キーで補正 / r=爪の締め直し / h=HOMEに戻して終了 / q=終了 > h
[SEND] pi05_home: send_angles (single) [  +0.00,   +0.00,   +0.00,   +0.00,   +0.00,  -30.00]  speed=20 wait=0.0s  (pre max|Δ|=60.90°, post-send timeout 11.1s)

9回の直しをならべると、直したのは毎回同じ2か所だった

9回の記録（KIOXIA の runs/pi05_policy/pi05_20261106_*/log.jsonl）から、直しの中身を数えました。

この2か所は、キーで直していた前の回（LOG422）と同じです。モデルを corr から corr2 に学び直しても、根元の向きが約2°足りないことと、つかんだあとの持ち上げが足りないことは変わっていません。corr2 の学習データ（corr_v4b）には、この2か所を直した記録が7本入っていました。

つかんだあとの直しのうち3回は、j1 と一緒に手首 j4 も +3〜17° 動いています。十字キーで動かしたのは j1 だけなので、j4 は指令なしに動いたことになります。1回目の +17.2° がいちばん大きく、この回は成功しています。手首の点検（依頼97）では、この動きも見ています。

log450_table.py の出力

## 11/6 の9回 (pi05_20261106_*)

| 回 | 記録 | 結果 | 実行した推論 | 爪を閉じた推論 | 爪を開いた推論 | ゲームパッドの補正 (推論 何番のあと: 秒・送った回数・実測の変化) |
|---|---|---|---|---|---|---|
| 1 | pi05_20261106_183926 (18:39) | 成功 | 14 | [5] | [12] | 推論3: 17.9秒・2回・j0 +2.1° / 推論8: 33.4秒・7回・j1 -32.5°, j4 +17.2° |
| 2 | pi05_20261106_184312 (18:43) | 失敗 | 8 | [5] | [] | 推論3: 13.2秒・2回・j0 +2.0° / 推論8: 12.7秒・3回・j1 -26.7°, j2 +1.1°, j4 +3.6° |
| 3 | pi05_20261106_184452 (18:44) | 成功 | 10 | [4] | [9] | 推論3: 20.1秒・11回・j0 +3.3° / 推論6: 11.1秒・3回・j1 -25.2°, j2 +1.2°, j4 +3.8° |
| 4 | pi05_20261106_184650 (18:46) | 成功 | 12 | [5] | [11] | 推論3: 9.8秒・1回・j0 +1.2° / 推論7: 26.6秒・6回・j1 -43.8°, j2 +17.9° |
| 5 | pi05_20261106_184906 (18:49) | 成功 | 10 | [4] | [10] | 推論3: 9.4秒・2回・j0 +2.1°, j4 -1.4° / 推論7: 13.4秒・4回・j1 -24.8° |
| 6 | pi05_20261106_185050 (18:50) | 失敗 | 6 | [5] | [] | 推論3: 13.3秒・3回・j0 +3.2° / 推論7: 15.9秒・3回・j1 -29.2° |
| 7 | pi05_20261106_185225 (18:52) | 失敗 | 6 | [5] | [] | 推論3: 8.9秒・2回・j0 +2.0° / 推論7: 12.1秒・4回・変化 1° 未満 / 推論8: 10.4秒・2回・j1 -12.8°, j4 +2.7° |
| 8 | pi05_20261106_185415 (18:54) | 失敗 | 7 | [5] | [] | 推論3: 9.8秒・2回・j0 +2.1°, j4 -1.6° / 推論8: 18.0秒・3回・j1 -12.0° |
| 9 | pi05_20261106_185554 (18:55) | 成功 | 10 | [4] | [10] | 推論3: 9.9秒・3回・j0 +3.0° / 推論6: 15.0秒・6回・j1 -24.1°, j4 +6.2° |

## ゲームパッドの補正 (19回)

- つかむ前: 9回  かかった時間 中央 9.9秒・最短 8.9秒・最長 20.1秒・合計 112.1秒  送った回数の中央 2  受付なし 合計 0
- つかんだあと: 10回  かかった時間 中央 14.2秒・最短 10.4秒・最長 33.4秒・合計 168.5秒  送った回数の中央 3.5  受付なし 合計 0
- 合わせて: 19回  かかった時間 中央 13.16秒・最短 8.9秒・最長 33.4秒・合計 280.7秒  送った回数の中央 3  受付なし 合計 0
- つかむ前 に動いた関節: j0 9回 (中央 +2.1°・+1.2〜+3.3°), j4 2回 (中央 -1.5°・-1.6〜-1.4°)
- つかんだあと に動いた関節: j1 9回 (中央 -25.2°・-43.8〜-12.0°), j2 3回 (中央 +1.2°・+1.1〜+17.9°), j4 5回 (中央 +3.8°・+2.7〜+17.2°)
- 学習データの範囲の外で終えた補正: pi05_20261106_184650 推論7のあと j[2]

## 推論1回分を実行するのにかかった時間 (t_exec_end - t_exec_start)

| 日 | 記録の数 | 実行した推論 | 中央 | 最短 | 最長 | 中継点4点の推論の中央 |
|---|---|---|---|---|---|---|
| 10/31 | 10 | 65 | 6.65秒 | 5.58秒 | 11.07秒 | 6.64秒 (52回) |
| 11/01 | 12 | 68 | 6.63秒 | 2.39秒 | 30.21秒 | 6.62秒 (53回) |
| 11/06 | 9 | 83 | 1.72秒 | 0.55秒 | 9.74秒 | 1.71秒 (69回) |

## 1回の補正にかかった時間 (correction の accept 行の t_end - t_start)

| 日 | 直し方 | 補正の数 | 中央 | 最短 | 最長 | 合計 |
|---|---|---|---|---|---|---|
| 10/31 | キー (c) | 21 | 41.3秒 | 15.4秒 | 109.2秒 | 924.3秒 |
| 11/01 | キー (c) | 14 | 51.23秒 | 12.0秒 | 86.9秒 | 657.1秒 |
| 11/06 | ゲームパッド (p) | 19 | 13.16秒 | 8.9秒 | 33.4秒 | 280.6秒 |

log450_table.py（9回の直しと、推論1回分の実行時間をならべる）

#!/usr/bin/env python3
"""log450_table.py — 11/6 (Log22) の実機推論9回を, ゲームパッドの補正と推論の実行時間でならべる (LOG450).

使い方: python3 log450_table.py /Volumes/KIOXIA/r2r2r-data/runs/pi05_policy
  - 11/6 の9回: 回ごとの結果・つかんだ推論・離した推論・ゲームパッドの補正 (始めと終わりの実測の差)
  - 推論1回分を実行するのにかかった時間 (t_exec_end - t_exec_start) を 10/31・11/1・11/6 でならべる
元の記録は読むだけ (書かない).
"""

1回の直しは、キーの41〜51秒から、ゲームパッドで約13秒になった

数えたのは、直しを始めてから推論に戻るまでの時間です（log.jsonl の補正の行の t_end − t_start）。日によってモデルが違い（10/31 は最初のモデル、11/1 は corr、11/6 は corr2）、直した中身もまったく同じではないので、同じ条件で比べた数字ではありません。ただ、直した所は3日とも、つかむ前の根元とつかんだあとの持ち上げの2か所でした。

縮んだ分の多くは、つかんだあとの持ち上げです。キーの補正では、1回押すごとに6つの関節の指令を送り、着いたかを確かめてから次の押しを受け付けていたので、肩を20〜30°上げるのに十数回押して待つことになりました。ゲームパッドでは、十字キーを押し続ければ1回の送信で15°先まで動き、離したところで止まります。

• ねらい：AI の失敗を人が直す手間を減らし、直した記録を集めやすくする
• 変わったこと：1回の直しは中央 41〜51秒 → 13.2秒、9回分の直しの合計は280.6秒
• 見込める効果：同じ時間で集められる、人が直した成功の記録が増える。学習データを増やす作業の重さが、直す時間ではなく、ブロックを置き直して位置を合わせる時間（1回12〜25秒）と推論の時間（1回79〜199秒）の側に移った

推論1回分の実行は、6.6秒から1.7秒になった（LOG446 の daemon の直しが効いた）

推論1回分（中継点4点まで）を実行するのにかかった時間を、日ごとにならべました（log.jsonl の t_exec_end − t_exec_start）。

前の回（LOG446）で、アームの中の daemon が関節の角度を読み直すときの待ちを0.2秒から0.02秒にし、送ったあとの記録用の読み取りを1回だけにしました。それまでは、指令を1つ送るたびに daemon の返事が約1.6秒（角度が読めないと最長2.6秒）遅れていて、中継点4点の推論1回分は約6.6秒かかっていました。推論でアームを動かす速さ（speed 20）は変えていないので、縮んだのは送るたびの待ちの分です。

• ねらい：ゲームパッドの受付なしを減らす（LOG446 で直した理由）
• 変わったこと：推論1回分の実行は中央 6.63秒 → 1.72秒。11/1 の実機で長く感じていた、動きの合間の待ちが短くなった
• 見込める効果：1回の推論で動かす時間が短くなる。ただし、この回は推論のたびに Enter を押して確かめているので、1回分の推論（79〜199秒）の多くは人の確かめの時間で、そこはまだ縮んでいない

もう1つ効いたのが、学習データの抜けです。daemon の返事が遅かったころは、送ってから返事が来るまで記録係が角度を読めず、動いている間の角度の約98%が記録から抜けていました（依頼57）。この回の記録では、動いた角度のうち抜けの中にあるのは2.2〜2.9%でした（依頼97の報告）。抜けた所を後から埋める処理（依頼46）に頼らずに済む記録になっています。

落ちた4回は、どれもつかんだあと、肩で持ち上げてからだった

失敗の4回は、どれもブロックをつかんだあとに落としています。

録画を見ると、成功した回はつかんだあともブロックがまっすぐ爪に挟まっていました。落ちた6回目は、持ち上げたあと、ブロックが爪の中で斜めに回っています。

考えられる原因は2つで、どちらかはまだ分かっていません。

• 長押しは速さ20（1秒に約40°）で動き出し、離したときは daemon の stop で止まる（行きすぎは約3°）。この加速と止まりの揺れで、浅くつかんだブロックが回った
• 爪を閉じる強さ（GRIP_VALUE 20）がもともと足りず、持ち上げるたびにブロックが滑っていた

成功した5回も同じ長押しで持ち上げているので、長押しだけが原因とは言えません。次に試すときは、持ち上げる前に r（爪の締め直し。開かずに閉じる指令をもう一度送る）を1回押す回と押さない回を比べると、どちらが効いているかの手がかりになります。

学習には成功した回だけを使うので、落ちた4回は学習データに入っていません。

18:58 推論の Pod を消した（23分21秒・約36円）

9回目のあとに、もう1回やるかの問いで終え、Mac で ./lab_stop.sh --log Log22 を打って Pod を消しました。

lab_stop_20261106_185821.txt

lab_stop の端末の記録

[STOP  ] Log22 の Pod: id b6j7nc4m74h7ru  GPU=NVIDIA A40  作った時刻 2026-11-06 18:35:07
[LOG   ] serve.log を持ち帰った → /Volumes/KIOXIA/r2r2r-data/lab/Log22/serve.log (45 行)
[STOP  ] Terminate を送った (18:58:28)
[STOP  ] Pod (id b6j7nc4m74h7ru) が消えたことを API で確かめた
[COST  ] 借りていた時間 23 分 21 秒 (0.39 時間) × 1時間 0.59 ドル = 約 0.23 ドル (約 36 円. 1ドル=158円)
[TUNNEL] 8000 番のトンネルは残っていません

推論の Pod の記録 lab/Log22/pod/lab_pod.json

lab/Log22/pod/lab_pod.json

{
  "id": "b6j7nc4m74h7ru",
  "gpu": "NVIDIA A40",
  "log": "Log22",
  "costPerHr": 0.59,
  "created_epoch": 1793957707,
  "created_at": "2026-11-06 18:35:07",
  "model": "corr2",
  "model_repo": "PixelstoMotors/pi05-mecharm-trim-corr-lora-v2",
  "terminated_epoch": 1793959108,
  "terminated_at": "2026-11-06 18:58:28",
  "rented_sec": 1401
}

Pod のサーバーの記録 lab/Log22/serve.log

lab/Log22/serve.log

INFO:root:Loading model...
INFO:2026-11-06 09:38:16,568:jax._src.xla_bridge:925: Unable to initialize backend 'rocm': module 'jaxlib.xla_extension' has no attribute 'GpuAllocatorConfig'
INFO:jax._src.xla_bridge:Unable to initialize backend 'rocm': module 'jaxlib.xla_extension' has no attribute 'GpuAllocatorConfig'
INFO:2026-11-06 09:38:16,572:jax._src.xla_bridge:925: Unable to initialize backend 'tpu': INTERNAL: Failed to open libtpu.so: libtpu.so: cannot open shared object file: No such file or directory
INFO:jax._src.xla_bridge:Unable to initialize backend 'tpu': INTERNAL: Failed to open libtpu.so: libtpu.so: cannot open shared object file: No such file or directory
INFO:absl:orbax-checkpoint version: 0.11.13
INFO:absl:Created BasePyTreeCheckpointHandler: use_ocdbt=True, use_zarr3=False, pytree_metadata_options=PyTreeMetadataOptions(support_rich_types=False), array_metadata_store=<orbax.checkpoint._src.metadata.array_metadata_store.Store object at 0x7a48d3860990>
INFO:absl:Restoring checkpoint from /workspace/ckpt/corr_v2_1499/params.

依頼97：成功5本を点検し、次の学習データ corr_v5 を作って corr3 を学習する

成功した5回の記録で次のモデルを学習させるため、Claude Code への依頼を依頼箱（依頼のファイルを置くと、Mac の Claude Code が順に受け取って作業するしくみ）に置きました。頼んだのは3つです。

1. 成功5本の手首と関節を点検し、手首が指令なしに垂れた所のある回は学習に入れない（前の回、手首のサーボが弱った回を学習に入れないために作った点検 pi05/diag_joint_hold.py を使う）
2. 前の7本（corr_v4b）に、点検を通った回を足して corr_v5 を作る。ゲームパッドの直しは送り方が違う（1刻みは1関節だけ送り、長押しは15°先へ送って離したら止める）ので、学習データの作り方（pi05/build_correction_episodes.py）が正しく扱えるかを先に確かめる
3. corr2 から1,500ステップ続けて学習する設定（モデル名 corr3）を足し、Log22 として今夜の学習を始める

依頼文 20261106_97_ゲームパッドで直した成功5本でcorr_v5を作り続きの学習を回す.md

依頼97の依頼文

---
作業フォルダ: /Users/shimazueiichi/r2r2r-scripts
上限時間: 120
---
# 依頼：ゲームパッドで直した今日の成功5本を点検し、補正データ corr_v5 を作り、corr2 から続きの学習を Log22 で回し始める（2026-11-06）

依頼57・58b（corr_v4 と corr2）の続き。今日（11/6）、モデル corr2（PixelstoMotors/pi05-mecharm-trim-corr-lora-v2 の 1499）で実機推論を9回回した。
補正は、新しく足した p（ゲームパッドで補正。コミット cd2fb46。run_policy_client.py が gamepad_teleop.py を同じプロセスで動かす）だけを使った。キーの補正 c と巻き戻し b は使っていない。

依頼97で分かったことと決めたこと

依頼97は18:59に始まり、20:08に終わりました（69分）。報告のうち、この回の結果にかかわるものは次のとおりです。

• 手首の点検の作り直し：daemon を直したあとは、送る命令が0.03〜0.14秒で返るので、アームは返事のあとも目標へ向かって動いています。前の点検をそのまま使うと、ふつうの動きを外れとして大量に数えていました。そこで、ゲームパッドの送信を log.jsonl の行と組にして指令を作り、送ってすぐ返った区間では、目標へ近づいた所から離れた分を見る形に直しました。11/1 の9本の結果は、前とまったく同じ値になっています
• 入れた回：183926・184452・184650・184906 の4本。185554（9回目）は、肩を長押しで持ち上げている間に、手首 j4 が指令 −64.5° のまま −63.5° から −57.7° まで動いた（止まったあとのずれ 6.8°）ので外した
• 学習データの作り方：直す必要はなかった。直している間（状態 correct）のコマは長押しで動いている途中も含めて入り、止まった所は前と同じ決まりで詰まることを、合成した記録のテスト（pi05/test_pad_build.py）で確かめた
• corr_v5：11本・1,584コマ（直しのコマ430・止まり14.9%）。前の7本は corr_v4b とバイト単位で同じ。お手本19本と合わせて30本・4,301コマ。Pod に送る tar は117MB
• 1コマ（0.1秒）の最大の動きが、前のデータ（3.3°まで）より大きくなった。推論で最大4.8°、ゲームパッドの長押しで j1 最大6.7°。daemon を直したあとの記録はこの形になる

報告の「決めてほしいこと」には、次のように答えました。

Claude Code の報告 20261106_97_…_20261106_1859.md

依頼97の結果（Claude Code の報告）

# 結果：20261106_97_ゲームパッドで直した成功5本でcorr_v5を作り続きの学習を回す

- 状態：完了
- 始めた時刻：2026-11-06 18:59
- 終わった時刻：2026-11-06 20:08（69分）
- 作業フォルダ：/Users/shimazueiichi/r2r2r-scripts
- この続きを Claude Code で話すとき：作業フォルダで `claude --resume 2a5a4788-f085-45c0-9e7d-8aa031e8de2c`
- 止められた操作：1件（いちばん下に一覧）

手首の点検の出力 docs/diag_joint_hold_20261106.txt

docs/diag_joint_hold_20261106.txt

## pi05_20261106_183926  outcome=success corrections=2
   粗い最大   j0=  8.0 j1=  9.1 j2=  5.5 j3=  2.0 j4=  9.6 j5=  1.8
   動き途中   j0=  0.0 j1=  0.0 j2=  0.0 j3=  0.0 j4=  0.0 j5=  0.0
   止まり最大 j0=  0.7 j1=  2.1 j2=  2.1 j3=  1.1 j4=  2.2 j5=  0.7
   止まり90%  j0=  0.5 j1=  1.9 j2=  1.6 j3=  0.6 j4=  1.8 j5=  0.6
   止まり中央 j0=  0.1 j1=  0.9 j2=  0.9 j3=  0.3 j4=  0.8 j5=  0.3
   止まり符号 j0= +0.0 j1= +0.9 j2= +0.9 j3= +0.1 j4= +0.2 j5= -0.1
   じわじわ   j0=  0.2 j1=  0.2 j2=  0.2 j3=  0.3 j4=  0.9 j5=  0.3

依頼97の作業の記録 logs/20261106_2010.md

logs/20261106_2010.md

# 2026-11-06 20:10 依頼 97 ゲームパッドで直した成功 5 本を点検し, corr_v5 を作り, corr2 から続きの学習 corr3 を Log22 で回し始める

アームは使っていない。KIOXIA のマウント（/Volumes/KIOXIA, exfat）を確かめてから、新しい名前のフォルダだけ作った（runs/・datasets/・checkpoints/ の既存のものは読むだけ）。

## 前提として分かったこと
- 11-05 の c7992ca のあと、send_angles の rpc は 0.03〜0.14 秒で返る（11-01 は 1.5〜1.6 秒）。腕は rpc が返ったあとも指令へ向かって動いている
- ゲームパッドの区間は states.csv に rpc 行（cmd=send_angle / cmd=stop）だけが残る。目標は log.jsonl の type=pad の行にある

codex のレビュー（3回）

Claude Code が書いたコードは、別の AI（codex）に読んでもらっています。1回目は直すべき点2つ（ゲームパッドの送信を次の送信と組にしてしまうことがある、区間をまたいでゆっくり垂れるのを見落とす）、2回目は1つ（角度の読みがない区間で引き継ぎを切っていない）、3回目で直すべき点がなくなりました。直したあとも、入れる4本と外す1本は変わっていません。

1回目の依頼文 docs/review_request_20261106_corr_v5_gamepad.md

# コードレビュー依頼：ゲームパッドで直した成功の点検・corr_v5・続きの学習 corr3（2026-11-06 依頼 97）

依頼 57・58（corr_v4 / corr2）の続き。11-06 にモデル corr2（PixelstoMotors/pi05-mecharm-trim-corr-lora-v2 の 1499）で実機推論を 9 回回し、補正はゲームパッドの p（コミット cd2fb46。run_policy_client.py が tools/gamepad_teleop.py を同じプロセスで動かす）だけを使った。成功 5 本（183926・184452・184650・184906・185554）を点検し、外れのない回を corr_v5 に足して、corr2 の 1499 から続きの学習（Log22・--model corr3）を回す。

## 前提として分かったこと
- 11-05 の c7992ca（daemon の読み直しを 0.02 秒に）のあと、send_angles の rpc は 0.03〜0.14 秒で返る（11-01 は 1.5〜1.6 秒）。腕は rpc が返ったあとも指令へ向かって動いている
- ゲームパッドの区間は states.csv に rpc 行（cmd=send_angle / cmd=stop）しか残らず、目標は log.jsonl の type=pad の行（move の command・t_send・resends・no_check、halt の t_halt・halt_joint・measured_after_halt）にある
- 角度の抜け（0.25 秒超）は、今日の回ではほとんどない（入れる 4 本で、動いた角度のうち抜けの中の割合 model 2.2〜2.9%・correct 0.2〜32%。11-01 は 98%）。correct の抜けは、補正を始めたときの約 3.2 秒（ゲームパッドの窓を開く間。腕は止まっている）と、長押しの途中の 0.3〜0.4 秒（184650 の j1 −10.6°・j2 +13.0°）

1回目の結果 docs/review_result_20261106_corr_v5_gamepad_codex.md

# codex レビュー結果：ゲームパッドの点検・corr_v5・corr3（2026-11-06 依頼 97）

依頼文: docs/review_request_20261106_corr_v5_gamepad.md（codex exec -s read-only）

**corr3 の学習・推論の向け先は整合しています。ただし、診断コードには必須修正が 2 点あります。** 今回の「4 本を採用・185554 を除外」という結果は再現しましたが、「手首の垂れを見落とさない」とはまだ断定できません。

| 項目 | 判定 | 確認結果・修正案 |
|---|---|---|

2回目の依頼文 docs/review_request_20261106_corr_v5_gamepad_r2.md

# コードレビュー依頼 R2：diag_joint_hold の pad の組み方と away の引き継ぎ（2026-11-06 依頼 97）

R1（docs/review_result_20261106_corr_v5_gamepad_codex.md）の必須 2 件と推奨 1 件を pi05/diag_joint_hold.py に反映した。

1. 必須（pad 送信の対応付け）: `_pad_send_for(sends, used, ts)` を、まだ組にしていない送信のうち |t_send − ts| ≤ 0.2 秒でいちばん近いものを初めての送信とし、なければ ts より前に組にした送信のうちいちばん新しいものの送り直し（resends の数まで）とする形にした。どちらもなければ pad_unknown
2. 必須（区間をまたぐ垂れ）: すぐ返った区間がつづき、その関節の指令が変わらない間は、関節ごとに最小の |実測−指令| を区間をまたいで引き継ぐ（指令が変わる・すぐ返らない区間・長押しの関節では引き継がない）
3. 推奨（stop の対応）: halt もいちばん近い・まだ組にしていないものと一対一で組む

テスト: pi05/test_diag_joint_hold.py に 2 件（次の送信を拾わない・0→3° と 3→6° の垂れを 6° と見る／指令が変われば引き継がない）。21 件 OK。
11-01 の 9 本は前の結果と全部同じ。11-06 の 5 本: 入れる 4 本は外れ 0（j4 の離れた分の最大 3.8°（184452））、185554 は外れ 5 区間（j4）。docs/diag_joint_hold_20261106.txt・.json を作り直した。

差分は `git diff -- pi05/diag_joint_hold.py pi05/test_diag_joint_hold.py` で見られます。
ほかの推奨（184650 の範囲・1 コマの動き・偽物の assets）は報告に書いて据え置きます。

ファイル変更・実機操作・Pod の操作・Hugging Face の操作はしないでください。読み取りだけでお願いします。日本語で、表（項目 / 判定 / 確認結果・修正案）と、必須 / 推奨 / 据え置きの分類で返してください。

2回目の結果 docs/review_result_20261106_corr_v5_gamepad_codex_r2.md

# codex レビュー結果 R2：pad の組み方と away の引き継ぎ（2026-11-06 依頼 97）

依頼文: docs/review_request_20261106_corr_v5_gamepad_r2.md（codex exec -s read-only）

差分、R1の指摘、テストと再生成レポートを読み取りだけで確認します。pad の対応付けと関節ごとの引き継ぎ条件を中心にレビューします。
exec
/bin/zsh -lc 'git diff -- pi05/diag_joint_hold.py pi05/test_diag_joint_hold.py' in /Users/shimazueiichi/r2r2r-scripts
 succeeded in 127ms:

3回目の依頼文 docs/review_request_20261106_corr_v5_gamepad_r3.md

# コードレビュー依頼 R3：away の引き継ぎを実測のない区間でも切る（2026-11-06 依頼 97）

R2（docs/review_result_20261106_corr_v5_gamepad_codex_r2.md）の必須 1 件と推奨を pi05/diag_joint_hold.py に反映した。

1. 必須: analyze_segments で、引き継ぎを切るかを実測の有無に関係なく区間ごとに決めるようにした（すぐ返らない区間・指令の分からない区間 = 全関節を切る／指令が変わった関節・長押しの関節 = その関節を切る）。away の計算は切った関節（NaN）を区間の頭から数える
2. 推奨: テストを足した（実測のない区間を挟む 4 通り（指令が変わる・すぐ返らない・組にできない・j4 の長押し）では引き継がず、爪だけを挟むときは引き継ぐ／stop は一対一で組む）。pi05/test_diag_joint_hold.py 23 件 OK

11-01 の 9 本は前の結果と全部同じ。11-06 の 5 本も R2 のときと全部同じ値（入れる 4 本は外れ 0、185554 は外れ 5 区間）。

差分は `git diff -- pi05/diag_joint_hold.py pi05/test_diag_joint_hold.py` で見られます。

ファイル変更・実機操作・Pod の操作・Hugging Face の操作はしないでください。読み取りだけでお願いします。日本語で、表（項目 / 判定 / 確認結果・修正案）と、必須 / 推奨 / 据え置きの分類で返してください。

3回目の結果 docs/review_result_20261106_corr_v5_gamepad_codex_r3.md

# codex レビュー結果 R3：away の引き継ぎ（2026-11-06 依頼 97）

依頼文: docs/review_request_20261106_corr_v5_gamepad_r3.md（codex exec -s read-only）

差分とR2の指摘、関連する解析処理・テストを読み取りで確認します。ファイル変更や実機・外部サービスの操作は行いません。
exec
/bin/zsh -lc 'git diff -- pi05/diag_joint_hold.py pi05/test_diag_joint_hold.py' in /Users/shimazueiichi/r2r2r-scripts
 succeeded in 117ms:

19:51〜23:04 corr2 から corr3 を1,500ステップ学習した（約3.1時間・約292円）

依頼97の中で、Claude Code が ./lab_train.sh --log Log22 --model corr3 を、依頼が終わっても止まらない形（nohup）で始めました。Pod を作ってから学習が始まるまで約5分、学習は 20:02 の step 0 から 22:58 の step 1500 まで約2時間56分でした。終わったあと、Hugging Face（AI のモデルとデータを置いて配るサービス。非公開の置き場所 PixelstoMotors/pi05-mecharm-trim-corr-lora-v3）と KIOXIA の checkpoints/pi05_mecharm_trim_corr_lora_v3/1499 にモデルを置き、Pod を消すところまで lab_train.sh が自動で行っています。

loss は、AI が出した動きと、学習データの動きのずれの大きさです。corr2 の学習は始めが0.0024でしたが、corr3 は0.0129から始まりました。どちらも、ひとつ前のモデルの続きから学習しています。corr3 の始めが高いのは、corr2 がまだ見たことのない動き（ゲームパッドの長押しで肩を一気に持ち上げる動きと、daemon を直したあとの速い動き）が新しいデータに入っていたためと見ています（見込み。データごとの loss は測っていない）。50ステップで0.0066まで下がり、終わりは corr2 と同じくらいの0.0030でした。

GPU は NVIDIA A40（1時間0.59ドル）で、使った GPU のメモリは最大41,283MiB（46,068MiB のうち）、学習中の使用率は中央100%でした。Pod を借りていた時間は188分2秒で、約1.85ドル（約292円）です。

lab_train の端末の記録 lab_train_20261106_195143.txt

lab/Log22/train/lab_train_20261106_195143.txt

[LOG   ] ターミナルの出力を残します → /Volumes/KIOXIA/r2r2r-data/lab/Log22/train/lab_train_20261106_195143.txt
[LAB   ] 2026-11-06 19:51:43  学習  GPU=NVIDIA A40 (借りられなければ NVIDIA RTX A6000 NVIDIA L40S)
         --model corr3 (PixelstoMotors/pi05-mecharm-trim-corr-lora-v2 → PixelstoMotors/pi05-mecharm-trim-corr-lora-v3)  データ mecharm_redblock_box_teach_v1_trim2_corr_v5
         pi05_mecharm_trim_corr_v5_lora --exp-name=trim_corr_v5  steps=1500  init=/workspace/ckpt/corr_v2_1499/params  上限 5 時間  記録 /Volumes/KIOXIA/r2r2r-data/lab/Log22/train

=== 0. 送るものと Mac の道具を確かめる  (19:51:43)
[DATA  ] tar 116993536 バイト  (/Volumes/KIOXIA/r2r2r-data/datasets/mecharm_redblock_box_teach_v1_trim2_corr_v5/mecharm_redblock_box_teach_v1_trim2_corr_v5_raw_episodes.tar)
[PROV  ] 始める時点のコード (284dfd7) と入力 3 つの指紋を測った

学習のまとめ result_20261106_195143.txt

lab/Log22/train/result_20261106_195143.txt

lab_train.sh Log22  2026-11-06 23:04:05
結果: 成功: 学習が終わりました (step 1499, loss 0.0030). Hugging Face と KIOXIA に置き, Pod を消しました. 188 分 2 秒 (3.13 時間) × 1時間 0.59 ドル = 約 1.85 ドル (約 292 円. 1ドル=158円)
学習: pi05_mecharm_trim_corr_v5_lora --exp-name=trim_corr_v5  最後のチェックポイント 1499  最後の loss 0.0030 (Step 1450)
Hugging Face (PixelstoMotors/pi05-mecharm-trim-corr-lora-v3): ok PixelstoMotors/pi05-mecharm-trim-corr-lora-v3 に 35 ファイル 6,335,848,626 バイトを上げ, 名前・バイト数が全部合うのを確かめた
KIOXIA: /Volumes/KIOXIA/r2r2r-data/checkpoints/pi05_mecharm_trim_corr_lora_v3/1499 に置いた (35 ファイル 6335848626 バイト. Pod 側と名前・バイト数が全部合った)
ログを持ち帰った → /Volumes/KIOXIA/r2r2r-data/lab/Log22/train
Pod (id uirn5j6iy4xbyx) は消した (API で確かめた)
借りていた時間 188 分 2 秒 (3.13 時間) × 1時間 0.59 ドル = 約 1.85 ドル (約 292 円. 1ドル=158円)
由来: /Volumes/KIOXIA/r2r2r-data/lab/Log22/train/train_provenance.json ・ /Volumes/KIOXIA/r2r2r-data/checkpoints/pi05_mecharm_trim_corr_lora_v3/1499/train_provenance.json ・ Hugging Face (PixelstoMotors/pi05-mecharm-trim-corr-lora-v3) にも置いた
ターミナルの記録: /Volumes/KIOXIA/r2r2r-data/lab/Log22/train/lab_train_20261106_195143.txt

学習の由来 train_provenance.json

lab/Log22/train/train_provenance.json

{
  "schema_version": "provenance/1",
  "created_at": "2026-11-06T23:04:03+09:00",
  "producer": {
    "script": "lab_train.sh",
    "argv": [
      "--log",
      "Log22",

学習の Pod の記録 lab/Log22/train/lab_pod.json

lab/Log22/train/lab_pod.json

{
  "id": "uirn5j6iy4xbyx",
  "kind": "train",
  "model": "corr3",
  "gpu": "NVIDIA A40",
  "log": "Log22",
  "costPerHr": 0.59,
  "created_epoch": 1793962306,
  "created_at": "2026-11-06 19:51:46",
  "config": "pi05_mecharm_trim_corr_v5_lora",
  "exp": "trim_corr_v5",
  "steps": 1500,
  "limit_sec": 18000,
  "limit_at": "2026-11-07 00:51:46",
  "init": "/workspace/ckpt/corr_v2_1499/params",
  "limit_hours": "5",
  "prov_start": {
    "code": {
      "repo": "r2r2r-scripts",
      "commit": "284dfd731e64353c996486432811aebb5ee47ea0",
      "dirty": false,
      "dirty_files": [],
      "untracked_backups": [
        "pi05/build_demo_episodes.py.bak_pre_LOG352_20261019"
      ],
      "diff_sha256": null,
      "measured_at": "2026-11-06T19:51:43+09:00",
      "paths": [
        "lab_train.sh",
        "lab_lib.sh",
        "provenance.py",
        "pi05"
      ]
    },
    "inputs": [
      {
        "kind": "dataset",
        "id": "mecharm_redblock_box_teach_v1_trim2_corr_v5",
        "path": "datasets/mecharm_redblock_box_teach_v1_trim2_corr_v5",
        "fingerprint": "files-v2:e1e00dab2768e92af00099da4799de5dda1a3f2c171e029cd2558149d7d66171",
        "measured_at": "2026-11-06T19:51:44+09:00"
      },
      {
        "kind": "checkpoint",
        "id": "pi05_mecharm_trim_corr_lora_v2/1499",
        "path": "checkpoints/pi05_mecharm_trim_corr_lora_v2/1499",
        "fingerprint": "files-v2:2836021aa462c3099e5ca9f1b940ea70a11ac72a22572637d2df401e75c7a48a",
        "hf_repo": "PixelstoMotors/pi05-mecharm-trim-corr-lora-v2",
        "pod_path": "/workspace/ckpt/corr_v2_1499/params",
        "measured_at": "2026-11-06T19:51:44+09:00"
      },
      {
        "kind": "config",
        "id": "add_trim_config.py",
        "path": "lab/Log11/pod/add_trim_config.py",
        "fingerprint": "files-v2:3d7a5ce690b205880da44fa4b20de1b5905b7fb96a91580413ecb5cd660db44c",
        "sha256": "94059deb462623946344a5285f7ebd69c8041b5d820ed28fd4d383f7922f38a9",
        "measured_at": "2026-11-06T19:51:44+09:00"
      }
    ]
  },
  "watchdog_epoch": 1793983906,
  "watchdog": "WATCHDOG run=1 pod=1 key=1 ctl=1",
  "openpi": [
    {
      "name": "openpi",
      "commit": "215abfb217dbac7d5f1273282331b9b1866c0479",
      "dirty": true,
      "dirty_files": [
        "src/openpi/training/config.py",
        "src/openpi/policies/mecharm_policy.py"
      ],
      "expected_commit": "215abfb"
    }
  ],
  "train_started_epoch": 1793962622,
  "train_started_at": "2026-11-06 19:57:02",
  "terminated_epoch": 1793973588,
  "terminated_at": "2026-11-06 22:59:48",
  "rented_sec": 11282,
  "gone_confirmed": true
}

Pod の準備の記録 prep_trim_corr.log

lab/Log22/train/prep_trim_corr.log

== 1. tar を広げる → /workspace/data/mecharm_redblock_box_teach_v1_trim2_corr_v5
   エピソード 30 本 (Mac で作ったときは 30 本)
== 2. 学習設定 pi05_mecharm_trim_corr_v5_lora を足す (steps=1500 init=/workspace/ckpt/corr_v2_1499/params)
installed: pi05_mecharm_trim_corr_v5_lora (repo_id=local/mecharm_redblock_box_teach_v1_trim2_corr_v5, 1500 steps, init=/workspace/ckpt/corr_v2_1499/params)
== 3. LeRobot 形式に変換 (local/mecharm_redblock_box_teach_v1_trim2_corr_v5)

Map:   0%|          | 0/118 [00:00<?, ? examples/s]
Map:  84%|████████▍ | 99/118 [00:00<00:00, 972.36 examples/s]

学習の記録 train_trim_corr_v5.log

lab/Log22/train/train_trim_corr_v5.log

10:57:13.096 [I] Running on: a4e3c12d84ee                                                         (1084:train.py:196)
INFO:2026-11-06 10:57:13,626:jax._src.xla_bridge:925: Unable to initialize backend 'rocm': module 'jaxlib.xla_extension' has no attribute 'GpuAllocatorConfig'
10:57:13.626 [I] Unable to initialize backend 'rocm': module 'jaxlib.xla_extension' has no attribute 'GpuAllocatorConfig' (1084:xla_bridge.py:925)
INFO:2026-11-06 10:57:13,631:jax._src.xla_bridge:925: Unable to initialize backend 'tpu': INTERNAL: Failed to open libtpu.so: libtpu.so: cannot open shared object file: No such file or directory
10:57:13.631 [I] Unable to initialize backend 'tpu': INTERNAL: Failed to open libtpu.so: libtpu.so: cannot open shared object file: No such file or directory (1084:xla_bridge.py:925)
10:57:14.790 [I] Created BasePyTreeCheckpointHandler: use_ocdbt=True, use_zarr3=False, pytree_metadata_options=PyTreeMetadataOptions(support_rich_types=False), array_metadata_store=<orbax.checkpoint._src.metadata.array_metadata_store.Store object at 0x7664e0596590> (1084:base_pytree_checkpoint_handler.py:334)
10:57:14.790 [I] Created BasePyTreeCheckpointHandler: use_ocdbt=True, use_zarr3=False, pytree_metadata_options=PyTreeMetadataOptions(support_rich_types=False), array_metadata_store=<orbax.checkpoint._src.metadata.array_metadata_store.Store object at 0x7664e0596590> (1084:base_pytree_checkpoint_handler.py:334)
10:57:14.790 [I] [thread=MainThread] Failed to get flag value for EXPERIMENTAL_ORBAX_USE_DISTRIBUTED_PROCESS_ID. (1084:multihost.py:390)

train_run.log

lab/Log22/train/train_run.log

2026-11-06 10:56:59 始める
2026-11-06 13:58:44 終わった (終了コード 0)

GPU の記録 gpu_train.csv（30秒おき）

lab/Log22/train/gpu_train.csv

timestamp, name, memory.used [MiB], memory.total [MiB], utilization.gpu [%], temperature.gpu, power.draw [W]
2026/11/06 10:56:59.449, NVIDIA A40, 0 MiB, 46068 MiB, 0 %, 31, 33.73 W
2026/11/06 10:57:29.461, NVIDIA A40, 41219 MiB, 46068 MiB, 0 %, 37, 106.18 W
2026/11/06 10:57:59.477, NVIDIA A40, 41229 MiB, 46068 MiB, 0 %, 41, 108.82 W
2026/11/06 10:58:29.481, NVIDIA A40, 41229 MiB, 46068 MiB, 0 %, 43, 109.94 W
2026/11/06 10:58:59.482, NVIDIA A40, 41229 MiB, 46068 MiB, 0 %, 43, 111.37 W
2026/11/06 10:59:29.483, NVIDIA A40, 41229 MiB, 46068 MiB, 0 %, 44, 111.41 W
2026/11/06 10:59:59.577, NVIDIA A40, 41229 MiB, 46068 MiB, 0 %, 44, 111.90 W

Pod の中のチェックポイントの一覧 pod_checkpoints.tsv

lab/Log22/train/pod_checkpoints.tsv

1000/_CHECKPOINT_METADATA	426
1000/assets/local/mecharm_redblock_box_teach_v1_trim2_corr_v5/norm_stats.json	1766
1000/params/_METADATA	33052
1000/params/_sharding	17773
1000/params/array_metadatas/process_0	12891
1000/params/d/11de514fa94fa7397f3b16c7989757b5	2802
1000/params/manifest.ocdbt	118
1000/params/ocdbt.process_0/d/01c7838031cb784824f6e85768f3da4c	1244

1499 のファイルの一覧 pod_files_1499.tsv

lab/Log22/train/pod_files_1499.tsv

_CHECKPOINT_METADATA	426
assets/local/mecharm_redblock_box_teach_v1_trim2_corr_v5/norm_stats.json	1766
params/_METADATA	33052
params/_sharding	17773
params/array_metadatas/process_0	12891
params/d/831fe535caed5e14003fcb24ae2c0422	2886
params/manifest.ocdbt	118
params/ocdbt.process_0/d/03d71e23eb6a0f81f37c3d1993d873ff	132946719
params/ocdbt.process_0/d/06501058240b6008aed08923945d19d6	213
params/ocdbt.process_0/d/0888c6af2d44a265d45a61a50b3de08d	34929360
params/ocdbt.process_0/d/0c8965a868ae40a71d809be7a2a07110	133017111
params/ocdbt.process_0/d/17b0474fd6bc13b217a900691d5e250c	497186263
params/ocdbt.process_0/d/1815fc45e07c3120daffd6b0292ff777	133038730
params/ocdbt.process_0/d/277d6a30b294bca0e70e811f259ab053	986
params/ocdbt.process_0/d/31e72422e1c67b1e6066bddd5e7533dc	945879576
params/ocdbt.process_0/d/4faf0b06c1012ded706167896bfaa99e	118289937
params/ocdbt.process_0/d/5fa9031ca6c59f2bbcb2f10a907fdce9	828933514
params/ocdbt.process_0/d/65a3cffb411b4734e40ae6933f4dc0b7	152865608
params/ocdbt.process_0/d/6a79a8a2badf96919478b9f5d8729bc2	88705568
params/ocdbt.process_0/d/7ba3c9855401b14365cd1e9f1c127c61	5726
params/ocdbt.process_0/d/81313d7db9bb4fdccdb0597cdaf51d2e	1376
params/ocdbt.process_0/d/81449d843eecef14f989c9992fb07626	133036170
params/ocdbt.process_0/d/8f4987bb71594ac0c5689796db0d4a34	37530685
params/ocdbt.process_0/d/9549eacb13c66d3268a4fa490854c68c	1299
params/ocdbt.process_0/d/ab55d383d0ff6b1805a16ec2d49237e1	58980475
params/ocdbt.process_0/d/bef5ec5f81d109d2b386d88a4d6c236a	118418186
params/ocdbt.process_0/d/c1580b99063234454b934fd23f22d4a3	89686717
params/ocdbt.process_0/d/c47a3185c56c48f3c9201d323e0dbd7d	90308146
params/ocdbt.process_0/d/d1a7833d271d97a091cb93c8a42d736b	1176
params/ocdbt.process_0/d/d2ab47ee7da0dc138dca8ddb5673c6d6	118186862
params/ocdbt.process_0/d/ddc1b7cbfbb22891c65eabf1fd149afb	235537045
params/ocdbt.process_0/d/dfbadc827cd746aaeae49fb6a9f769db	497034770
params/ocdbt.process_0/d/e89dd5c67e202966a7a39de573411c08	945630570
params/ocdbt.process_0/d/ed44d2de10199b34393ba2ce0888a8cb	945626284
params/ocdbt.process_0/manifest.ocdbt	642

費用：推論と学習で約328円

次に実機で確かめること：corr3 は自分でブロックを持ち上げるか

corr3 の学習データには、つかんだあと肩で持ち上げる直しが入った成功の記録が、前の7本と合わせて11本あります。次の実機では、同じ手順で corr3 を動かし、次の3つを見ます。

• つかんだあと、直さなくても AI が自分で持ち上げるか（今は9回とも肩を約25°直していた）
• つかむ前の根元の向きの直し（約2°）が減るか
• 持ち上げで落ちる回が出るか。出るなら、持ち上げる前に r（爪の締め直し）を押す回と押さない回を比べる

起動は次の1行です。

cd ~/r2r2r-scripts && ./lab_start.sh --gpu A40 --log Log22 --model corr3

この回のコード（全文）

pi05/run_policy_client.py（commit cd2fb46）

pi05/run_policy_client.py

#!/usr/bin/env python3
"""run_policy_client.py — π0.5 (Runpod の serve_policy) の出力で mechArm 270 を動かす Mac 側クライアント.

流れ (1 チャンクごと):
  上カメラ画像 + 実測 6 軸 + グリッパー状態 → π0.5 → 行動チャンク (10 x 7, 0.1 秒刻みの絶対角)
  → 先頭 N ステップ先 (既定 5 = 0.5 秒先) の姿勢へ単発 send_angles (学習データと同じ速度 20)
  → --via-stride N を付けると, 途中の姿勢 (N-1, 2N-1, ... ステップ) も中継点として
     順に送る (チャンクの中の順番を残すため. 既定 0 = 1 点だけ送る従来どおり)

tools/gamepad_teleop.py（commit cd2fb46）

tools/gamepad_teleop.py

#!/usr/bin/env python3
"""gamepad_teleop.py — ゲームパッドで mechArm 270 を手で動かす (依頼 68. 2026-11-02)

PICK で爪の位置がずれたときに, エイイチがゲームパッドで左右・上げ下げ・爪の開閉を直す.
押した分だけそのまま動く. 自動で動く要素は入れない (自動の握り直し・失敗時の自動 HOME などはない).
押した操作と, 送った角度・届いた角度をすべて log.jsonl に残す (あとで「人が直した記録」として使う).

操作 (エイイチが決めた. 変えない):

pi05/test_pad_correction.py（テスト4件・commit cd2fb46）

pi05/test_pad_correction.py

#!/usr/bin/env python3
"""test_pad_correction.py — run_policy_client.py の p (ゲームパッドで補正. 2026-11-05 LOG450) の確かめ.

本物の pygame のループ (SDL_VIDEODRIVER=dummy) に偽のコントローラーの押しを流し, 補正の結果の記録・
爪の記録・巻き戻し用の目標・ドライランの仮の姿勢・実機の送り口 (daemon を偽物にする) を見る.
  SDL_VIDEODRIVER=dummy SDL_AUDIODRIVER=dummy python3 pi05/test_pad_correction.py
"""
import functools

tools/test_gamepad_teleop.py（テスト90件・commit cd2fb46）

tools/test_gamepad_teleop.py

#!/usr/bin/env python3
"""test_gamepad_teleop.py — gamepad_teleop.py の確かめ (アームなし・コントローラーなし. 依頼 68).

  python3 tools/test_gamepad_teleop.py -v

中身:
  - ボタン番号と操作の対応 (依頼 68 の表) / 十字キー上下の向き / △ で j1 → j5 → j1
  - 守り: j1 は 90.87 を超えない / 物理可動域まで (基準の姿勢からの枠はない. 2026-11-03) / J4_SAFE

pi05/diag_joint_hold.py（手首の点検・commit 284dfd7）

pi05/diag_joint_hold.py

#!/usr/bin/env python3
"""diag_joint_hold.py — 実機推論の記録から, 関節ごとの「動いている途中の遅れ」と「止まったあとのずれ (垂れ)」を出す (2026-11-01 依頼 57).

読むだけ (runs/ には書かない). アームは使わない.

入力: runs/pi05_policy/{run_stem}/recording/states.csv と log.jsonl
  states.csv (依頼 46 のあとの記録) には send_angles 行 (送った時刻・目標・rpc_sec) と, 爪の rpc 行がある.
  依頼 46 より前の記録 (send_angles 行がない) は log.jsonl だけで見る (下の「log で見る」).

pi05/test_diag_joint_hold.py（テスト24件・commit 284dfd7）

pi05/test_diag_joint_hold.py

#!/usr/bin/env python3
"""test_diag_joint_hold.py — diag_joint_hold.py (依頼 57) の確かめ.

  - 動いている途中の遅れと, 止まったあとのずれを分ける (rpc が返ったあとの実測だけを使う)
  - 指令が変わらないのに動いた区間を「外れ」として数える. HOME は数えない
  - 爪の rpc で区間を切る
  - log.jsonl だけでも補正の 1 刻みとチャンクの区切りのずれを出す
  - KIOXIA があれば, 今日の記録で依頼文の粗い値 (j4 の最大) と同じになるか・入れる 3 本に外れがないか

pi05/test_pad_build.py（テスト3件・commit 284dfd7）

pi05/test_pad_build.py

#!/usr/bin/env python3
"""test_pad_build.py — ゲームパッドの補正 (run_policy_client の p. cd2fb46) の記録から
build_correction_episodes.py が学習データを作れるかの確かめ (2026-11-06 依頼 97).

  python3 pi05/test_pad_build.py -v

合成の記録だけ (KIOXIA にもアームにも触らない). 確かめること:
  - 補正の間 (状態 correct) のコマが学習に入る. 長押しで動いている途中のコマも入る

pi05/openpi_addon/add_trim_corr_config.py（commit 284dfd7）

pi05/openpi_addon/add_trim_corr_config.py

#!/usr/bin/env python3
"""openpi config.py に trim2 + 補正データ用の学習設定 pi05_mecharm_trim_corr_lora を足す (2026-10-31 依頼 45).

依頼 46: データを corr_v2 (角度の抜けを速度 20 の動きで埋め直したもの) と合わせた
mecharm_redblock_box_teach_v1_trim2_corr_v2 に替えた. corr_v1 の設定が入っている config.py には足さずに止まる
(同じ名前の設定が 2 つになるため. openpi の config.py を git checkout してから入れ直す).
依頼 48: データを corr_v3 (着いたあとの止まりを詰めたもの) と合わせた ..._trim2_corr_v3 に替え,
学習率の予定を続きからの学習用に弱めた (warmup 100 / peak 2.5e-5 / decay_steps 1_500. 下げきる先 decay_lr 5e-6 は

pi05/openpi_addon/pod_prep_trim_corr.sh（commit 284dfd7）

pi05/openpi_addon/pod_prep_trim_corr.sh

#!/usr/bin/env bash
# pod_prep_trim_corr.sh — Pod で trim2 + corr_v3 の学習の準備をする (2026-10-31 依頼 46 / 48). 学習は回さない.
#
# 前提: lab_start.sh で Pod を準備してある (openpi・install_addon.py・add_trim_config.py・/workspace/ckpt/3999)
#       Mac から次の 2 つを送ってある:
#         /workspace/data/mecharm_redblock_box_teach_v1_trim2_corr_v3_raw_episodes.tar
#         /workspace/r2r2r/pi05/  (この依頼の版. add_trim_corr_config.py と convert_to_lerobot.py を使う)
#

lab_lib.sh（commit 284dfd7）

lab_lib.sh

# lab_lib.sh — lab_start.sh / lab_stop.sh / lab_train.sh が読む共通の関数 (単体では動かさない)
#
# 鍵の扱い:
#   - Runpod の API キーは curl のヘッダーを <(printf ...) で渡す (printf は bash の組み込みなので
#     ps にもシェルの履歴にも出ない)
#   - Hugging Face の鍵は ssh の標準入力で Pod の ~/.cache/huggingface/token に書く
#   - Pod の IP とポートは画面・ログに出さない. Pod に入る ssh の出力は lab_mask で <POD_IP>・<SSH_PORT> に置き換える

lab_start.sh（commit 284dfd7）

lab_start.sh

#!/bin/bash
# lab_start.sh — Runpod の Pod の準備から mechArm 270 の実機推論までを1行で行う (依頼 37 / 手順は LOG407「起動の手順」)
#
#   ./lab_start.sh --gpu A40 --episode run_0001_20261019_194818 --log Log17
#   ./lab_start.sh --log Log17 --dry-run      アームなしで試す (デーモン・HOME・爪・位置合わせを飛ばし,
#                                             run_policy_client.py を --execute なし・--dry-keys で呼ぶ)
#
#   --gpu      GPU の種類 (既定 A40). 「A40」は「NVIDIA A40」として API に渡す. 名前に空白を含む種類は

lab_train.sh（commit 284dfd7）

lab_train.sh

#!/bin/bash
# lab_train.sh — π0.5 の続きからの学習を Runpod で回し, 終わったらモデルと記録を持ち帰って Pod を消す (依頼 49)
#
#   ./lab_train.sh --log Log17             学習 → Hugging Face → KIOXIA → Pod を消す → Mac に通知
#   ./lab_train.sh --log Log17 --dry-run   Pod を借りずに流れだけ確かめる (API・SSH・hf・通知を差し替え,
#                                          書くのは一時フォルダだけ. 差し替えは lab_train_fakes.sh)
#   ./lab_train.sh --log Log17 --stop      この Log の学習の Pod のログを持ち帰って消す (Mac が途中で止まったときなど)
#

commit 284dfd7 の学習まわりの差分（lab_*.sh・設定・テスト）

commit 284dfd7 の差分（lab_lib.sh・lab_start.sh・lab_train.sh・lab_train_fakes.sh・テスト・設定）

commit 284dfd731e64353c996486432811aebb5ee47ea0
Author: Eiichi Shimazu <studio@adaptdesign.jp>
Date:   Fri Nov 6 19:51:31 2026 +0900

    11-06 のゲームパッドで直した成功 5 本を diag_joint_hold.py で点検できるようにし (rpc 行 send_angle / stop を log.jsonl の pad の行と組にして指令を作る・長押しの関節は見ない・送ったらすぐ返る daemon の区間は向かう途中を遅れに数えず指令から離れた分 away を見る. 11-01 の結果は変わらない), 外れのない 183926・184452・184650・184906 を corr_v4b の 7 本に足した corr_v5 で, corr2 の 1499 から続きを学習する lab_train.sh / lab_start.sh の --model corr3 を足す (設定 pi05_mecharm_trim_corr_v5_lora・上げる先 pi05-mecharm-trim-corr-lora-v3). build_correction_episodes がゲームパッドの区間を扱えることを test_pad_build.py で確かめる (依頼 97. codex 3 回)
    
    Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

この回の commit

r2r2r-scripts の commit（11/5〜11/6）

6dac235 11-06 20:08 依頼 97 の作業の記録
284dfd7 11-06 19:51 11-06 のゲームパッドで直した成功 5 本を diag_joint_hold.py で点検できるようにし (rpc 行 send_angle / stop を log.jsonl の pad の行と組にして指令を作る・長押しの関節は見ない・送ったらすぐ返る daemon の区間は向かう途中を遅れに数えず指令から離れた分 away を見る. 11-01 の結果は変わらない), 外れのない 183926・184452・184650・184906 を corr_v4b の 7 本に足した corr_v5 で, corr2 の 1499 から続きを学習する lab_train.sh / lab_start.sh の --model corr3 を足す (設定 pi05_mecharm_trim_corr_v5_lora・上げる先 pi05-mecharm-trim-corr-lora-v3). build_correction_episodes がゲームパッドの区間を扱えることを test_pad_build.py で確かめる (依頼 97. codex 3 回)
cd2fb46 11-05 19:42 run_policy_client: 推論のあとの確認に p (ゲームパッドで補正) を足す. gamepad_teleop を同じプロセスで動かし □ で推論に戻る (LOG450)