SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model

Autoren: Qiayuan Liao, Yiyang Shao, Junfeng Long, Kevin Zakka, Roberto Horowitz, Pieter Abbeel, Koushil Sreenath · CoRL 2026

Lizenzen

• Open Access
• Paper: arXiv.org perpetual, non-exclusive license 1.0

Gemäß der Lizenz von arXiv beruht alles Folgende nur auf dem Abstract.

Warum es wichtig ist

Das Nachführen großer Datensätze menschlicher Bewegungen ist der Hauptweg zu allgemeiner Ganzkörpersteuerung humanoider Roboter, doch die Skalierung bedeutete bisher verlustbehaftete Destillation bewegungsspezifischer Spezialisten oder Rechenleistung im Clustermaßstab. Die Autoren berichten, nach 3 Stunden auf einer GPU einen modernsten Tracker übertroffen zu haben, der 7 Tage auf 128 GPUs trainiert wurde, mit mehr als 1000-mal weniger GPU-Stunden und 25 Fehlschlägen bei 129.514 Benchmark-Bewegungen gegenüber 179 bei der Baseline.

Lösungsansatz

SuperMimic passt aus aufgezeichneten Übergängen eines Starrkörpersimulators ein einziges differenzierbares Weltmodell der gemeinsamen Dynamik aller Bewegungen an und trainiert es zusammen mit der Tracking-Policy in einer Schleife; Backpropagation through Time über kurze imaginierte Rollouts liefert der Policy analytische Gradienten.

Zusammenfassung

Das Tracking großer Datensätze menschlicher Bewegung ist zum vorherrschenden Weg zu allgemeiner, ausdrucksstarker humanoider Ganzkörpersteuerung geworden, doch die Skalierung über viele Bewegungen hinweg ist teuer. Aktuelle Pipelines nutzen modellfreies Reinforcement Learning und führen entweder Spezialisten für einzelne Bewegungen durch verlustbehaftete Destillation zusammen oder erzwingen eine einzige Policy mit Rechenleistung im Cluster-Maßstab. SuperMimic amortisiert das Lernen über alle Bewegungen mit einem einzigen differenzierbaren Weltmodell ihrer gemeinsamen Dynamik, angepasst an protokollierte Übergänge eines gewöhnlichen Starrkörpersimulators. Weltmodell und Tracking-Policy trainieren gemeinsam in einer Schleife, und Backpropagation through Time über kurze imaginierte Rollouts liefert der Policy analytische Gradienten. Schnelle imaginierte Rollouts und analytische Gradienten machen das Lernen der Policy effizient. In 3 Stunden auf einer einzigen GPU übertrifft SuperMimic den Return einer State-of-the-Art-Baseline für Motion Tracking, die 7 Tage auf 128 GPUs trainiert wurde. Es senkt die GPU-Stunden um mehr als das 1000-Fache und scheitert nur an 25 von 129.514 Benchmark-Bewegungen, gegenüber 179 Fehlschlägen der Baseline. Nach 9,8 Stunden auf zwei GPUs erreicht SuperMimic null Fehlschläge. Von 1 bis 264 Stunden Bewegungsdaten bleibt der Vorhersagefehler des Weltmodells stabil, und die GPU-Stunden bis zu einem Ziel-Return wachsen nur langsam. Unsere Policy überträgt sich auf einen physischen Unitree G1, über vielfältige und akrobatische Bewegungen hinweg. SuperMimic beseitigt Rechenleistung als Engpass bei der Skalierung humanoider Ganzkörpersteuerung und macht es praktikabel, Skalierungsgesetze des Motion Trackings zu messen.

Links

• arXiv 2610.28480: https://arxiv.org/abs/2610.28480
• PDF: https://arxiv.org/pdf/2610.28480
• Code: https://github.com/HybridRobotics/supermimic
• Projektseite: https://supermimic.github.io/