{
  "schema_version": 1,
  "claims": [
    {
      "id": "openvla-license",
      "checked_on": "2026-09-15",
      "review_after_days": 30,
      "status": "source-checked",
      "verified_by": "Codex (source comparison)",
      "human_review": "pending",
      "pages": [
        "pillar-2.md",
        "decisions.md",
        "exec.md"
      ],
      "sources": [
        {
          "label": "OpenVLA README",
          "url": "https://github.com/openvla/openvla#pretrained-vlas"
        }
      ],
      "summary": {
        "ko": "OpenVLA는 코드(MIT)와 Llama-2 파생 사전학습 가중치(Llama Community License)를 구분한다. 상용 판단은 선택한 가중치·기반 모델·데이터 조건까지 확인한다. 코드 LICENSE만으로 상용 가능을 판정하지 않는다.",
        "en": "OpenVLA distinguishes MIT code from Llama-2-derived pretrained weights subject to the Llama Community License. Check the selected weights, base model, and data terms; the code LICENSE alone does not decide commercial use.",
        "zh": "OpenVLA 区分 MIT 代码与适用 Llama Community License 的 Llama-2 派生预训练权重。商业判断应核对所选权重、基础模型和数据条件，不能仅依据代码 LICENSE。",
        "ja": "OpenVLAはMITのコードとLlama Community Licenseが適用されるLlama-2派生の事前学習重みを区別します。商用判断では選択した重み・基盤モデル・データの条件を確認し、コードLICENSEだけで判定しません。"
      }
    },
    {
      "id": "agentcore-residency",
      "checked_on": "2026-09-15",
      "review_after_days": 30,
      "status": "source-checked",
      "verified_by": "Codex (source comparison)",
      "human_review": "pending",
      "pages": [
        "pillar-5.md",
        "decisions.md",
        "exec.md",
        "operations.md"
      ],
      "sources": [
        {
          "label": "AWS cross-region inference",
          "url": "https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/cross-region-inference.html"
        },
        {
          "label": "AWS Evaluations",
          "url": "https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/evaluations-cross-region-inference.html"
        }
      ],
      "summary": {
        "ko": "AgentCore의 제공 리전·저장 리전·추론 처리 리전은 별개다. Memory는 APAC 내 여러 리전에서 추론할 수 있고 서울발 Evaluations는 글로벌 교차 리전 추론 대상이다. 국내 처리 요건은 사용하는 기능·모델·경로별로 검토한다.",
        "en": "AgentCore availability, storage, and inference-processing Regions differ. Memory can infer across APAC Regions; Evaluations originating in Seoul uses global cross-region inference. Assess Korea-only processing per feature, model, and route.",
        "zh": "AgentCore 可用区域、存储区域和推理处理区域不同。Memory 可跨 APAC 区域推理，首尔发起的 Evaluations 使用全球跨区域推理。韩国境内处理要求需按功能、模型和路径审查。",
        "ja": "AgentCoreの提供・保存・推論処理リージョンは別です。MemoryはAPAC内の複数リージョンを利用でき、ソウル発Evaluationsはグローバルクロスリージョン推論の対象です。韓国内処理要件を機能・モデル・経路ごとに確認します。"
      }
    },
    {
      "id": "fleetwise-new-customers",
      "checked_on": "2026-09-15",
      "review_after_days": 30,
      "status": "source-checked",
      "verified_by": "Codex (source comparison)",
      "human_review": "pending",
      "pages": [
        "pillar-5.md",
        "radar.md"
      ],
      "sources": [
        {
          "label": "AWS IoT FleetWise",
          "url": "https://docs.aws.amazon.com/iot-fleetwise/latest/developerguide/what-is-iotfleetwise.html"
        }
      ],
      "summary": {
        "ko": "IoT FleetWise는 신규 고객을 받지 않는다. 기존 고객은 계속 사용할 수 있으므로 종료 서비스라고 단정하지 않는다. 신규 로봇 플릿 아키텍처의 기본 옵션으로 제안하지 않는다.",
        "en": "IoT FleetWise is closed to new customers; existing customers can continue using it. Do not describe it as terminated or make it a default for new robot-fleet architectures.",
        "zh": "IoT FleetWise 不接受新客户，现有客户可继续使用。不要称为服务已终止，也不要作为新机器人机群架构的默认选项。",
        "ja": "IoT FleetWiseは新規顧客の受付を停止し、既存顧客は継続利用できます。サービス終了と断定せず、新規ロボットフリートの既定案には含めません。"
      }
    },
    {
      "id": "action-chunking",
      "checked_on": "2026-09-15",
      "review_after_days": 90,
      "status": "source-checked",
      "verified_by": "Codex (source comparison)",
      "human_review": "pending",
      "pages": [
        "pillar-2.md",
        "pillar-4.md",
        "pillar-5.md",
        "decisions.md",
        "operations.md"
      ],
      "sources": [
        {
          "label": "PI real-time chunking",
          "url": "https://www.physicalintelligence.company/research/real_time_chunking"
        },
        {
          "label": "Figure Helix",
          "url": "https://www.figure.ai/news/helix"
        }
      ],
      "summary": {
        "ko": "동작 출력 수와 새 관측에 반응하는 빈도는 다르다. chunk 길이에 추론 Hz를 곱해 피드백 제어 주파수로 쓰지 않는다. PI는 chunk 사이 전환·지연 처리를 별도 문제로 설명한다. Helix의 S1/S2는 모두 온보드이며 클라우드 배치의 증거가 아니다.",
        "en": "Action output count is not the frequency of responding to new observations. Inference Hz times chunk length is not feedback-control frequency. PI treats transitions and latency separately; Helix S1/S2 are both onboard, not evidence for cloud placement.",
        "zh": "动作输出数量不等于响应新观测的频率，不能用推理 Hz 乘 chunk 长度作为反馈控制频率。PI 单独处理切换与延迟问题；Helix S1/S2 都在板载运行，不是云部署的证据。",
        "ja": "動作出力数と新観測に反応する頻度は異なります。推論Hzとchunk長の積をフィードバック制御周波数にしません。PIは切替・遅延を別問題として扱います。HelixのS1/S2は両方オンボードです。"
      }
    },
    {
      "id": "simulation-cost",
      "checked_on": "2026-09-15",
      "review_after_days": 30,
      "status": "withdrawn",
      "verified_by": "Codex (source comparison)",
      "human_review": "pending",
      "pages": [
        "pillar-3.md",
        "execution.md",
        "exec.md"
      ],
      "sources": [
        {
          "label": "Pinned simulation sample",
          "url": "https://github.com/aws-samples/sample-issac-lab-on-aws/tree/50ea76d87d873c1d69bed92c450ab144894f437e"
        },
        {
          "label": "ETH parallel RL paper",
          "url": "https://arxiv.org/abs/2109.11978"
        }
      ],
      "summary": {
        "ko": "기존 ‘서울 g6e.xlarge + 4~20분 = 학습 한 판 $11~12’ 일반화를 철회한다. $0.98/시간과 4~20분의 산술 결과는 약 $0.07~0.33일 뿐, 해당 인스턴스 실측이 아니다. 샘플의 약 2시간/$12는 다른 설정의 작성자 추정으로 별도 취급한다.",
        "en": "Withdraw the generalized “Seoul g6e.xlarge + 4–20 minutes = $11–12 per training run.” $0.98/hour for 4–20 minutes gives only an arithmetic $0.07–0.33, not a measurement on that instance. The sample author’s roughly 2-hour/$12 estimate uses a different setup.",
        "zh": "撤回“首尔 g6e.xlarge + 4~20 分钟 = 每轮 $11~12”的泛化。$0.98/小时乘 4~20 分钟仅得算术值约 $0.07~0.33，并非该实例实测。样本作者约两小时/$12 的估算属于其他配置。",
        "ja": "「ソウルg6e.xlarge＋4～20分＝1回$11～12」という一般化を撤回します。$0.98/時と4～20分の積は算術上約$0.07～0.33で、その機種の実測ではありません。作者の約2時間/$12は別構成の見積です。"
      }
    },
    {
      "id": "finetuning-outcomes",
      "checked_on": "2026-09-15",
      "review_after_days": 90,
      "status": "withdrawn",
      "verified_by": "Codex (source comparison)",
      "human_review": "pending",
      "pages": [
        "pillar-2.md",
        "exec-guide.md",
        "decisions.md",
        "execution.md"
      ],
      "sources": [
        {
          "label": "OpenVLA fine-tuning",
          "url": "https://github.com/openvla/openvla#fine-tuning-openvla-via-lora"
        }
      ],
      "summary": {
        "ko": "‘100~500 데모 → 80%+ 성공’, ‘100 데모면 1일 PoC 성과’라는 공통 약속을 철회한다. 데이터·태스크·모델·학습 설정·평가 조건을 고정한 실험 없이 성공률·완료 기간을 제시하지 않는다.",
        "en": "Withdraw universal promises of “100–500 demonstrations → 80%+ success” or a one-day result from 100 demos. Success and duration require experiments with specified data, task, model, training, and evaluation conditions.",
        "zh": "撤回“100~500 个演示 → 80%+ 成功”和“100 个演示一天出结果”的通用承诺。成功率及周期需要明确数据、任务、模型、训练及评估条件的实验。",
        "ja": "「100～500実演で80%以上成功」「100実演で1日成果」という共通保証を撤回します。成功率・期間にはデータ、業務、モデル、学習・評価条件を定めた実験が必要です。"
      }
    },
    {
      "id": "execution-samples",
      "checked_on": "2026-09-15",
      "review_after_days": 30,
      "status": "reproduction-pending",
      "verified_by": "Codex (source comparison)",
      "human_review": "pending",
      "pages": [
        "execution.md",
        "pillar-1.md",
        "pillar-2.md",
        "pillar-3.md"
      ],
      "sources": [
        {
          "label": "Data sample",
          "url": "https://github.com/aws-samples/sample-lerobot-data-collection-on-aws-iot-greengrass/tree/6078f4f3cf2cc2432cdc52ffbc98b85abfa22d2e"
        },
        {
          "label": "Simulation sample",
          "url": "https://github.com/aws-samples/sample-issac-lab-on-aws/tree/50ea76d87d873c1d69bed92c450ab144894f437e"
        },
        {
          "label": "Training sample",
          "url": "https://github.com/aws-samples/sample-vla-finetuning/tree/f21e4a9bf0ec11f40c2298a85951690b61efeaac"
        }
      ],
      "summary": {
        "ko": "3개 샘플의 커밋·README·명령을 대조했다. 이번 개정에서 AWS·실기 실행은 하지 않았다. 파인튜닝 샘플은 작성자의 Pattern A 실실행 보고만 있으며 B/C·RL과 강제 중단 복구를 동등하게 검증됐다고 쓰지 않는다.",
        "en": "Compared commits, READMEs, and commands for three samples; no AWS or robot execution in this revision. The training author reports a completed Pattern A run; B/C, RL, and forced interruption/recovery must not be presented as equally validated.",
        "zh": "对照了三个样本的提交、README 和命令；本次修订未运行 AWS 或实机。训练作者报告 Pattern A 完成运行，不能将 B/C、RL 及强制中断恢复视为同等已验证。",
        "ja": "3サンプルのコミット・README・コマンドを照合しました。本改訂でAWS・実機実行はしていません。作者のPattern A完走報告とB/C・RL・強制中断復旧の検証を同等に扱いません。"
      }
    }
  ]
}