研究团队近日更新了论文《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》。论文页面显示,该工作于2026年11月9日完成最新修订,并标注为CoRL 2026口头报告接收论文。论文原文
SuperMimic的核心思路是训练一个能够描述共享动力学的可微分世界模型,再让世界模型与动作跟踪策略在同一训练循环中协同优化。与依赖大量真实交互或为不同动作分别训练策略的做法相比,研究人员利用短时想象轨迹和反向传播获得解析梯度,以提升人形机器人全身动作学习的效率。
论文摘要称,在单张GPU上训练3小时后,SuperMimic的回报超过一个使用128张GPU训练7天的基线;在其报告的基准中,GPU使用量减少超过1000倍,129514个动作中仅有25个失败,而基线失败179个。经过两张GPU训练9.8小时后,论文称系统实现了零失败。该策略还被迁移到实体Unitree G1机器人上,用于多种动作和高难度动作测试。
这项工作的意义主要在于,它试图缓解人形机器人全身控制中的算力和规模化训练瓶颈:如果世界模型能够在更广泛的动作范围内保持稳定预测,研究者就能用更低成本评估动作数据规模与控制性能之间的关系。不过,上述数字来自论文作者报告,仍需结合独立复现实验、不同机器人平台和真实长期运行数据进一步验证;论文也尚未证明该方法能够直接解决复杂任务规划、环境变化或安全约束问题。对具身智能行业而言,值得持续观察的不是单次动作演示,而是这种模型能否在不同本体、不同场景和长时间运行中保持训练效率与控制可靠性。
参考来源:
由 AI 整理,仅供参考;请以原始来源为准。
帖子详情