教師：プルカウンター

私のモーションキャプチャ（Muay Thai 02、take_01、16.90–18.45 s）から作ったプルカウンターです。右の拳を引いた状態でパンチから上体を後ろに反らして離れ、そこから前に押し出して奥の手で頭部へのストレートを打ち、ガードに戻ります。専用の環境（opponent_pull）で、ほかの技をすべて保持している distill1-282.5M からウォームスタートしました。

vast.ai の4台が続けて立ち上がりませんでした。2台は起動から4分たっても SSH がなく、2台は10分たってもまだ読み込み中でした。合わせて $0.49 かかりました。代わりに RunPod でランを行い、上限の2時間、212 M ステップまで学習させました（$2.48）。

スナップショット	空中の命中（外れの中央値、速度）	バッグの命中	転倒
104.9 M	3/8（9.7 cm、2.5 m/s）	8/8	0
157.3 M	4/8（9.0 cm、2.8 m/s）	8/8	0
183.5 M	8/8（6.6 cm、3.5 m/s）	8/8	0
209.7 M	8/8（4.6 cm、4.7 m/s）	8/8（2.5 cm、7.1 m/s）	0

採用：pull1-209.7M。 4分の1速度の側面映像では、右の拳を引いたまま胴体が後ろに傾き、それから前に押し出してストレートを打っています。反らす動きがきちんと入っていて、ただのクロスではありません。

評価には RunPod のポッドを3つ使いました（$0.49）。最初の2つは私たち自身のコードで失敗しました。環境のテーブルがデーモンのワーカープロセスで作られていたことと、ffmpeg が Windows 以外の環境で Windows の D:\ という出力パスをプロトコルとして読んでしまったことです。どちらも修正済みです。

distill6 で蒸留すると、生徒はバッグでは覚えました（6/6）が、空中では覚えられませんでした（1–2/6、約 10 cm 足りない）。蒸留の作業ログを参照してください。

すべてのラン

kakuto-mlのラン記録から作成しています。各ランのマシン、課金された時間とコストです（EC2のランはランのログからの推定値です）。

← 「シャドウクローン：ムエタイの4つの技を並行して学ぶ」のすべての作業ログ