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

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

Licences

• Accès libre
• Article: arXiv.org perpetual, non-exclusive license 1.0

Selon la licence d'arXiv, tout ce qui suit est rédigé à partir du seul résumé.

Pourquoi c'est important

Suivre de grands jeux de données de mouvements humains est la principale voie vers une commande générale du corps entier des humanoïdes, mais le passage à l’échelle supposait jusqu’ici une distillation avec pertes de spécialistes par mouvement ou une puissance de calcul de l’ordre d’un cluster. Les auteurs indiquent avoir dépassé, après 3 heures sur un seul GPU, un suiveur de pointe entraîné 7 jours sur 128 GPU, avec plus de 1000 fois moins d’heures-GPU et 25 échecs sur 129 514 mouvements de référence contre 179 pour la référence de comparaison.

Solution proposée

SuperMimic ajuste un seul modèle du monde différentiable de la dynamique commune à tous les mouvements à partir de transitions enregistrées d’un simulateur de corps rigides, et l’entraîne avec la politique de suivi dans une même boucle, en utilisant la rétropropagation dans le temps sur de courts déroulements imaginés pour fournir à la politique des gradients analytiques.

Résumé

Suivre de grands jeux de données de mouvement humain est devenu la voie dominante vers un contrôle du corps entier humanoïde général et expressif, mais passer à l'échelle sur de nombreux mouvements coûte cher. Les chaînes actuelles utilisent l'apprentissage par renforcement sans modèle, soit en fusionnant des spécialistes par mouvement par une distillation avec pertes, soit en forçant une politique unique avec un calcul à l'échelle d'un cluster. SuperMimic amortit l'apprentissage sur tous les mouvements avec un seul modèle du monde différentiable de leur dynamique commune, ajusté à partir de transitions enregistrées d'un simulateur standard de corps rigides. Le modèle du monde et la politique de suivi s'entraînent ensemble dans une seule boucle, et la rétropropagation à travers le temps sur de courts déroulés imaginés donne à la politique des gradients analytiques. Des déroulés imaginés rapides et des gradients analytiques rendent l'apprentissage de la politique efficace. En 3 heures sur un seul GPU, SuperMimic dépasse le retour d'une référence de suivi de mouvement de pointe entraînée pendant 7 jours sur 128 GPU. Il réduit les heures-GPU de plus de 1000× et n'échoue que sur 25 des 129 514 mouvements du banc d'essai, contre 179 échecs pour la référence. Après 9,8 heures sur deux GPU, SuperMimic atteint zéro échec. De 1 à 264 heures de mouvement, l'erreur de prédiction du modèle du monde reste stable, et les heures-GPU nécessaires pour atteindre un retour cible augmentent lentement. Notre politique se transfère à un Unitree G1 physique sur des mouvements variés et acrobatiques. SuperMimic supprime le calcul comme goulot d'étranglement pour passer à l'échelle le contrôle du corps entier humanoïde, et rend praticable la mesure des lois d'échelle du suivi de mouvement.

Liens

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