SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model
Autores: Qiayuan Liao, Yiyang Shao, Junfeng Long, Kevin Zakka, Roberto Horowitz, Pieter Abbeel, Koushil Sreenath · CoRL 2026
Licenças
- Acesso aberto
- Artigo: arXiv.org perpetual, non-exclusive license 1.0
Conforme a licença do arXiv, tudo o que segue foi escrito apenas a partir do resumo.
Por que importa
Rastrear grandes conjuntos de dados de movimento humano é o principal caminho para o controle geral de corpo inteiro de humanoides, mas escalá-lo significava destilar com perdas especialistas por movimento ou usar computação em escala de cluster. Os autores relatam superar um rastreador de ponta treinado por 7 dias em 128 GPUs após 3 horas em uma única GPU, com mais de 1000 vezes menos horas de GPU e 25 falhas em 129.514 movimentos de referência, contra 179 da linha de base.
Solução proposta
O SuperMimic ajusta um único modelo de mundo diferenciável da dinâmica compartilhada por todos os movimentos a partir de transições registradas de um simulador de corpos rígidos e o treina junto com a política de rastreamento em um único laço, usando retropropagação através do tempo sobre rollouts imaginados curtos para dar à política gradientes analíticos.
Resumo
Rastrear grandes conjuntos de dados de movimento humano tornou-se o caminho dominante para um controle de corpo inteiro humanoide geral e expressivo, mas escalar para muitos movimentos é caro. Os pipelines atuais usam aprendizado por reforço sem modelo, seja fundindo especialistas por movimento por meio de uma destilação com perdas, seja forçando uma única política com computação em escala de cluster. O SuperMimic amortiza o aprendizado sobre todos os movimentos com um único modelo de mundo diferenciável da dinâmica que eles compartilham, ajustado a partir de transições registradas de um simulador padrão de corpos rígidos. O modelo de mundo e a política de rastreamento são treinados juntos em um único laço, e a retropropagação através do tempo sobre rollouts imaginados curtos dá à política gradientes analíticos. Rollouts imaginados rápidos e gradientes analíticos tornam o aprendizado da política eficiente. Em 3 horas em uma única GPU, o SuperMimic supera o retorno de uma referência de rastreamento de movimento de ponta treinada por 7 dias em 128 GPUs. Ele reduz as horas de GPU em mais de 1000× e falha em apenas 25 de 129.514 movimentos do benchmark, contra 179 falhas da referência. Após 9,8 horas em duas GPUs, o SuperMimic chega a zero falhas. De 1 a 264 horas de movimento, o erro de previsão do modelo de mundo permanece estável, e as horas de GPU até um retorno-alvo crescem devagar. Nossa política é transferida para um Unitree G1 físico em movimentos diversos e acrobáticos. O SuperMimic elimina a computação como gargalo para escalar o controle de corpo inteiro humanoide, tornando prático medir as leis de escala do rastreamento de movimento.
Links
- arXiv 2610.28480: https://arxiv.org/abs/2610.28480
- PDF: https://arxiv.org/pdf/2610.28480
- Código: https://github.com/HybridRobotics/supermimic
- Página do projeto: https://supermimic.github.io/