데이터셋 선택 (Step 1)

Step 1에서는 학습에 들어갈 데이터셋들을 고릅니다. 여러 데이터셋을 동시에 선택해 한 번에 학습할 수 있고, 데이터셋마다 샘플링 비중을 다르게 줄 수도 있습니다.

1. 현재 워크스페이스의 데이터셋들이 카드 그리드로 표시됩니다.

   각 카드에는 폴더 아이콘과 에피소드 수가 표시됩니다.

   

2. 카드를 클릭하면 우상단 체크박스가 켜지고 테두리가 파란색이 됩니다.

   

3. 선택된 카드 내부에 펼쳐지는 샘플링 비중 컨트롤을 조정합니다.

   선택된 카드 안쪽에 샘플링 비중 라벨과 5단 토글(×½ / ×1 / ×2 / ×3 / ×5)이 나타납니다. 라벨 오른쪽에는 현재 값(예: ×2)이 함께 표시됩니다. 기본값은 ×1이며, 한 번 정한 값은 카드를 잠시 해제했다가 다시 선택해도 그대로 유지됩니다.

   샘플링 비중은 학습 중 해당 데이터셋의 에피소드가 얼마나 자주 뽑힐지를 정합니다. 비중 N인 데이터셋의 에피소드는 비중 1인 에피소드 대비 약 N배 자주 학습에 사용됩니다.

   📸스크린샷 누락/docs/training/dataset-03-sample-weight.png

   선택된 카드 내부의 샘플링 비중 토글 — ×½ / ×1 / ×2 / ×3 / ×5

4. Continue를 눌러 Step 2로 진입합니다.

샘플링 비중을 언제 올리고/낮춰야 할까? #

데이터셋 품질이 들쭉날쭉할 때, 모든 에피소드를 똑같이 학습하면 노이즈에 끌려가기 쉽습니다. 다음 기준을 참고해 비중을 조정하세요.

• ×2 ~ ×3 (올리기) — 성공률이 높고 동작이 깔끔한 시범 데이터. 새로 만든 핵심 데이터셋을 빠르게 모델에 반영하고 싶을 때.
• ×5 (강하게 올리기) — 분량이 적지만 반드시 학습해야 하는 핵심 동작이 들어있는 데이터셋(예: 드물게 등장하는 자세/물체).
• ×1 (기본값) — 품질이 평균적이거나 다른 데이터셋과 비슷한 수준일 때.
• ×½ (낮추기) — 실패 에피소드가 섞여있거나, 카메라 흔들림·환경 잡음이 많은 데이터셋. 완전히 빼긴 아깝지만 비중을 줄여 영향력만 낮추고 싶을 때.