# [요청안] MoNaVLA 고도화 및 캡스톤 상용화 수준 달성을 위한 GPU(H100) 지원 요청

**수신**: 캡스톤 담당 교수님
**발신**: [USER_NAME] (MoNaVLA 프로젝트 팀)
**날짜**: 2026.04.04

---

## 1. 개요
현재 본 팀은 Vision-Language-Action(VLA) 모델인 **MoNaVLA**를 활용하여 실내 자율 주행 로봇의 'Center-Centering' 및 'Body Rotation' 정밀 제어를 연구 중입니다. 4월 말 중간 발표 및 캡스톤 최종 결과물의 완성도를 극대화하기 위해 고성능 연산 자원(NVIDIA H100) 지원을 정중히 요청드립니다.

## 2. 지원 요청의 배경 및 필요성
- **모델 규모 및 학습 부하**: Kosmos-2 기반의 7B급 VLM을 미세 조정(Fine-tuning)하는 과정에서 현재 보유 중인 자원(예: A6000/3090급)으로는 학습 속도가 매우 저하되어 실험 반복 주기가 깁니다. 
- **데이터 증량에 따른 병목**: 최근 미팅 피드백에 따라 '9개 고정 경로'에 대한 고해상도 데이터를 추가 수집하여 학습할 예정이며, 이는 더 큰 배치 사이즈와 빠른 연산 속도를 요구합니다.
- **실시간성 확보**: 캡스톤 프로젝트의 핵심인 '실시간 추론'을 위해 INT8/FP16 최적화가 필수적이며, H100의 FP8/FP16 연산 성능을 활용한 최적의 체크포인트 도출이 시급합니다.

## 3. 요청 내용
- **대상 장비**: NVIDIA H100 80GB (1대 이상)
- **사용 기간**: 2026.04.06 ~ 05.31 (캡스톤 집중 개발 기간)
- **주요 용도**:
    - 9개 고정 경로 에피소드 고속 LoRA 학습
    - 다양한 프롬프트(Language Grounding) 최적화 실험
    - 모델 경량화(Quantization) 및 추론 대시보드 성능 검증

## 4. 기대 효과
1. **정밀도 향상**: 기존 GPU 대비 3~5배 빠른 실험 주기를 통해 바스켓 정중앙 정렬 성공률을 95% 이상으로 상향.
2. **캡스톤 우수 성과**: 고성능 자원을 활용하여 상용 로봇 수준의 부드러운 주행성 확보 및 시연 영상 제작.
3. **연구 확장성**: 향후 멀티 모달 인스트럭션을 활용한 복잡한 내비게이션 태스크로의 확장 기반 마련.

---
항상 아낌없는 지도와 지원에 감사드립니다. 본 자원을 통해 프로젝트의 완성도를 높여 우수한 성과로 보답하겠습니다.