SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model
作者: Qiayuan Liao, Yiyang Shao, Junfeng Long, Kevin Zakka, Roberto Horowitz, Pieter Abbeel, Koushil Sreenath · CoRL 2026
授權條款
依 arXiv 的授權條款，以下內容僅依據摘要撰寫。
為何重要
追蹤大規模人體動作資料集是實現通用人形機器人全身控制的主要途徑，但擴大規模一直意味著對逐一動作的專家策略進行有損蒸餾，或需要叢集等級的運算資源。作者回報，此方法在單一 GPU 上訓練 3 小時後，即超越在 128 個 GPU 上訓練 7 天的最先進追蹤器，所需 GPU 小時減少 1000 倍以上，在 129,514 個基準動作中僅失敗 25 次，而基準方法為 179 次。
提出的方法
SuperMimic 從記錄下來的剛體模擬器狀態轉移中，為所有動作的共享動力學擬合一個可微分世界模型，並在同一個迴圈中與追蹤策略一起訓練，利用對短時想像展開的時間反向傳播，為策略提供解析梯度。
摘要
追蹤大型人類動作資料集，已成為實現通用且富表現力的人形機器人全身控制的主流途徑，但要擴展到大量動作，代價相當高。現有流程採用無模型強化學習，不是透過有損的蒸餾合併針對單一動作的專家策略，就是以叢集規模的運算硬是訓練出單一策略。SuperMimic 以一個描述所有動作共同動力學的可微分世界模型，在所有動作之間攤提學習成本；這個模型是根據標準剛體模擬器記錄下來的狀態轉移擬合而成。世界模型與追蹤策略在同一個迴圈中一起訓練，並在短暫的想像軌跡上進行時間反向傳播，為策略提供解析梯度。快速的想像軌跡與解析梯度，讓策略學習更有效率。在單一 GPU 上訓練 3 小時，SuperMimic 的回報就超越一個在 128 張 GPU 上訓練 7 天的頂尖動作追蹤基準。它將 GPU 時數減少 1000× 以上，在 129,514 個基準動作中只失敗 25 個，而基準方法失敗 179 個。在兩張 GPU 上訓練 9.8 小時後，SuperMimic 達到零失敗。從 1 小時到 264 小時的動作資料，世界模型的預測誤差維持穩定，達到目標回報所需的 GPU 時數也只緩慢增加。我們的策略能轉移到實體 Unitree G1，完成多樣且具特技性的動作。SuperMimic 讓運算不再是擴展人形機器人全身控制的瓶頸，也讓量測動作追蹤的縮放定律變得可行。
連結
- arXiv 2610.28480: https://arxiv.org/abs/2610.28480
- PDF: https://arxiv.org/pdf/2610.28480
- 程式碼: https://github.com/HybridRobotics/supermimic
- 專案頁面: https://supermimic.github.io/