该技能用于后训练 Cosmos3-Nano-Sim-Bimanual：以 Cosmos3-Nano 为初始化模型，训练一个动作条件世界模型，使其根据任务描述、RGB 观测和对齐的动作轨迹，预测双臂动作带来的视觉后果。模型输出视频而非机器人动作。整个流程从 Cosmos3-Nano 开始，按 Stage 0 至 Stage 3 四个原生阶段依次训练。
适用场景与起点：需要全新四阶段训练时，从 Cosmos3-Nano 和已完成的本地训练 bundle 开始，走 Stage 0 Quickstart；需要延续已有训练链时，使用已完成的阶段检查点和保存的配置继续训练；只需生成视频时，使用已发布的 Bimanual 模型或自行导出的 Stage 3 学生模型进行推理。修改配方前应先阅读数据契约（动作含义、归一化、时序与字幕）和参数指南。
环境要求：使用独立的 Framework checkout、Python 3.13、文档所述的 CUDA/FFmpeg 系统库及 GPU 分配，并设置 FRAMEWORK_DIR。在 checkout 根目录激活准备好的训练环境后运行训练脚本；不要清除 LD_LIBRARY_PATH。训练 extra 包含 mujoco==3.10.0 用于校准的动作/FK 预处理。注册布局使用 FSDP shard degree 8 和 context-parallel degree 4，八进程命令需在支持该布局和内存需求的分配内运行，多节点部署遵循 Framework 训练方式。
数据准备：将 BIMANUAL_BUNDLE 指向已完成的用户本地 bundle，其中包含 manifest.json、samples.json、本地媒体/动作资源和 resources/tokenizer/；仅有推理 JSONL 或动作 sidecar 不构成训练 bundle，Framework 不提供从原始机器人数据到 bundle 的转换命令。可从 Sim-Bimanual 检查点下载带版本的单源机器人示例以理解 bundle 布局和原生 dataloader 交接，该示例是小规模集成样例而非收敛数据集。准备数据时应在创建窗口前划分源 episode，并保持同一 episode 的所有窗口在同一 split；按任务和内存选择机器人窗口长度，保持 RGB 与动作对齐（T+1 观测对应 T 个转移）；保留坐标帧、rot6d 约定、校准夹爪宽度、domain ID、有效性掩码和固定的全局 asinh 统计量。训练通过原生 transform 物化原始采集，推理 sidecar 中已归一化的值不是原始训练动作。应以一个受支持的机器人源开始，高级用户可提供多个受支持源，Framework 会归一化其声明的相对权重；Framework 内部会应用阶段特定的渲染，因此不要创建单独的源分辨率分层。检查代表性解码样本和实际打包批次，包括补齐到 64 的 59 个语义动作值及其掩码、单位和语义。绑定准备好的 bundle 后，先校验文件，再在加载模型权重前读取一个打包的 Stage 0 样本，两条命令均须报告 passed: true，第二条还须报告 materialized: true、batch 样本/ token 数和张量形状/类型。原生 make_bimanual_local_dataloader 负责阶段特定的流选择与打包，并安装 loader 状态续训支持。
模型与 VAE 准备：将 NANO_REVISION 设为选定的不可变 nvidia/Cosmos3-Nano 版本，使用 hf download 下载 Cosmos3-Nano 和 Wan2.2_VAE.pth，再用 convert_model_to_dcp 转换模型并记录模型/VAE 身份和转换版本。此步骤产出模型权重而非优化器或训练器状态。原生 Stage 0 配方在全新加载时跳过 net_ema. 和三个新动作模块，常规权重加载保持严格，并通过内置回调将已加载/全新常规权重复制到 EMA，不要添加第二个 EMA 回调；同一运行续训则恢复已保存的 EMA。
Stage 0 配置与启动：设置 IMAGINAIRE_OUTPUT_ROOT 为所有 worker 上相同绝对路径的可写存储，选择唯一 RUN_NAME，使用 examples/toml/sft_config/sim_bimanual_stage0_bidir.toml。先以 --dryrun 解析配置，确认本地 bundle/tokenizer、Cosmos3-Nano 加载路径、Stage 0 EMA 回调、并行度和 job.wandb_mode=disabled；训练不需要发布版推理检查点或 W&B key。随后用 torchrun --standalone --nproc-per-node=8 启动。可选 12 次迭代冒烟测试：使用独立 run 名并加 trainer.max_iter=12 和 checkpoint.save_iter=12，确认损失与梯度有限且第 12 次迭代完成检查点保存；正式训练时省略这两个覆盖项。监控损失、梯度和批次语义，保持作业运行至检查点保存完成；中断后以相同 run 名、输出根、bundle、拓扑和父检查点重跑同一命令即可恢复迭代、优化器、调度器、EMA 和 loader 状态。
四阶段继续训练：原生参考预算为 Stage 0–3 分别 35,000、8,000、4,000 和 1,500 次训练器迭代。四个 TOML 均位于 examples/toml/sft_config/：Stage 0（表示适配）为 sim_bimanual_stage0_bidir.toml，需 COSMOS_SIM_BIMANUAL_GA_CHECKPOINT；Stage 1（teacher forcing）为 sim_bimanual_stage1_tf.toml，需 COSMOS_SIM_BIMANUAL_STAGE0_CHECKPOINT；Stage 2（TF-dCM）为 sim_bimanual_stage2_tfdcm.toml，学生和冻结教师均需 COSMOS_SIM_BIMANUAL_STAGE1_CHECKPOINT；Stage 3（SF-DMD）为 sim_bimanual_stage3_sfdmd.toml，学生需 COSMOS_SIM_BIMANUAL_STAGE2_CHECKPOINT，参考/critic 需 COSMOS_SIM_BIMANUAL_STAGE0_CHECKPOINT。接受 Stage 0 后绑定其精确的已完成迭代根目录而非 model/，重复配置检查和启动，各阶段使用不同 run 名。每个新阶段从全新优化状态开始，同阶段续训恢复现有运行。Stage 3 保持四步调度：每六个训练器迭代更新一次学生，其余五次更新 critic，因此 12 次迭代包含两次学生更新和十次 critic 更新，应检查两个优化器而非仅迭代计数；冻结的教师/参考和 critic 权重不是推理产物。
导出与推理检查：仅在有限更新、完成保存和全新进程回读后接受各阶段，保留解析配置和不可变检查点身份，用留出生成判断模型质量。导出可移植的 Stage 3 学生模型时，将 STAGE3_CHECKPOINT_ROOT 设为其完成的迭代根、STAGE3_CONFIG 设为该运行的 config.yaml、STUDENT_EXPORT 设为新导出目录，运行 export_model 并显式选择学生 EMA 权重；保留所选变体和保存的四步调度，检查导出的动作元数据和本地路径清理，随后使用该导出进行推理。已发布的 schema-5 示例同样使用四步，应保留每个导出实际保存的调度阶梯，不要假定各调度完全相同。