# [가이드] Phase 2: 9대 고정 경로 데이터 수집 및 정밀 제어 고도화

**버전**: 1.0 (2026.04.04)
**목표**: 'Gray Basket'에 대한 Centering 및 Body Rotation 성공률 95% 달성

---

## 1. 9개 고정 경로 (Starting Positions)
교수님 피드백에 따라, 모델이 환경의 기하학적 구조를 외우지 않고 '물체와의 상대적 관계'를 학습할 수 있도록 다음 9개 지점에서 데이터를 집중 수집합니다.

- **센터 구역 (Center)**: (0.0, 0.0), (0.0, 0.5), (0.0, -0.5)
- **왼쪽 구역 (Left Offset)**: (-0.5, 0.0), (-0.5, 0.5), (-0.5, -0.5)
- **오른쪽 구역 (Right Offset)**: (0.5, 0.0), (0.5, 0.5), (0.5, -0.5)

> [!NOTE]
> 좌표는 바스켓의 정면 중앙을 (0,0)으로 했을 때 로봇의 시작 위치 상대 좌표(m)입니다.

## 2. 수집 시나리오: 'Close' 정지 조건
단순히 바스켓을 보는 것을 넘어, **'충분히 가까워졌을 때(Close)'** 정지하도록 학습합니다.

1. **시작**: 위 9개 지점 중 하나에 로봇 배치.
2. **이동**: 바스켓이 화면 중앙(Centering)에 오도록 Body를 회전하며 전진.
3. **정지**: 로봇 범퍼와 바스켓 사이 거리가 **약 20~30cm** 이내가 되었을 때 `STOP` 액션 기록.
4. **회전**: 정지 상태에서 바스켓의 정중앙이 화면의 정중앙(Pixel-level centering)에 오도록 미세 회전 마무리.

## 3. 데이터 라벨링 및 프롬프트 규약
- **Primary Prompt**: `"Navigate toward the gray basket until it is close"`
- **Action Spec**: 2DOF `[linear_x, angular_z]`
- **Episode Length**: 약 15~25 steps (0.4s intervals)

## 4. 수집 시 주의사항 (Critical)
- **조명 변화**: 각 경로당 오전/오후 조명 차이를 반영하여 최소 5회씩 반복 수집 (총 45+ 에피소드).
- **노이즈 삽입**: 이동 중 의도적으로 -5~+5도 정도의 각도 노이즈를 주어 모델의 복원(Recovery) 능력을 학습시킴.
- **배경 다양성**: 바스켓 뒤쪽의 배경(벽, 의자 등)이 미세하게 바뀌도록 설정.

---
**문의**: MoNaVLA 팀 또는 [USER_NAME]