SuperMimic
新一、简介
SuperMimic 是加州大学伯克利分校混合机器人实验室在 2026 年开源的人形机器人全身运动控制框架,以 Apache 2.0 许可发布,并荣获机器人学习顶会 CoRL 2026 的最佳论文奖。它要解决的核心问题是:当动作库不断扩容时,如何摆脱集群级算力,仍然训练出能够跟踪大规模人体动作的统一控制器。传统做法依赖无模型强化学习,要么把针对单个动作训练的专家策略通过有损蒸馏合并,要么在大型 GPU 集群上直接暴力训练单一策略,两种路线都让算力开销随着动作数量同步膨胀。SuperMimic 换了一个思路:它用单个可微分世界模型学习所有动作共享的动力学,把学习成本分摊到整个动作库,从而让策略训练不再受集群规模束缚。本文对物理 AI 的意义在于,它把物理仿真器从被动的数据源变成了可以通过解析梯度闭环的学习环境的一部分,并且让测量动作跟踪的规模化规律变得足够廉价,单台机器就能完成。所有事实均于 2026 年 11 月 12 日对照仓库、论文与项目主页核实,第九节记录版本与许可口径。它同样表明,当工程团队评估是否引入学习式运动控制时,真正要比较的不是峰值动作数量,而是把动作库从一百扩展到十万时总成本曲线是否还能保持平缓,而这恰恰是这套框架最值得关注的性质,也决定了它能否成为通用人形控制底层的一条可行路径。
二、原理与工作方式
SuperMimic 的核心出发点是:成千上万种人体动作彼此差异很大,但它们都来自同一副机器人身体,因此共享同一套动力学。团队首先让策略在标准刚体仿真器里运行,记录由此产生的状态转移数据,然后用这些日志拟合一个神经网络世界模型。这个世界模型在给定当前状态与动作时,预测下一时刻的状态,同时输出即时奖励、机器人观测信息以及摔倒风险信号。关键在于,世界模型与跟踪策略在同一个训练循环里共同训练;因为世界模型是可微分的,对短时想象轨迹做随时间反向传播,就能为策略提供解析梯度,而策略本身用 SHAC 更新规则进行更新。在想象空间里推演比直接步进仿真器快十倍以上,而一阶梯度提供的学习信号远比无模型方法的高方差估计强,因此策略只需极少的步数就能达到目标回报。梯度从不经过仿真器本身,所以即便仿真器带有非平滑接触,也能兼容,这也是它能直接使用标准刚体仿真器的原因之一。值得补充的是,世界模型只拟合已观测到的状态转移,对未见过的高速碰撞或极端构型并不具备外推保证,因此训练数据的覆盖度直接决定了策略在留出动作上的表现,团队在扩大动作库时必须同步关注数据分布的均衡性。
三、适用边界与前提
该框架面向人形机器人的全身运动跟踪,已在宇树 G1 上验证,并随仓库提供两套任务预设,区别在于身体表征方式:广义坐标与最大坐标。它构建于 mjlab 这一基于 MuJoCo 的研究栈之上,因此依赖一个标准刚体仿真器来收集世界模型所拟合的状态转移数据。方法的隐含前提是,所有目标动作共享同一个底层动力学模型;这对单一机器人身体成立,但跨形态差异很大的机体则不成立。它是一个动作跟踪系统,并非操作或运动规划器,验证对象是人形机体并非四足、飞行器或轮式平台。训练需要 GPU,而论文报告的结果预设了 G1 硬件与大规模人体动作数据集;使用其他机体的团队应当预期需要重新收集数据并重新拟合世界模型,不能直接套用已发布的超参数与训练配置。此外,世界模型是从仿真器日志中习得的,它本身不提供超越所拟合分布之外的泛化保证,团队在采用前应当先在留出动作集上验证再考虑真机部署。换句话说,它是一把针对人形动作跟踪这一具体问题的利器,并不试图成为通用的机器人学习操作系统;与更宽泛的运动框架搭配使用,往往比单独依赖它更稳妥,也更容易在工程上落地。
四、上手路径
项目使用 uv 包管理器。官方步骤要求先创建一个工作区目录,然后把 supermimic 仓库与 mjlab_research 仓库作为同级目录一起克隆,因为 SuperMimic 的训练与回放代码会从 mjlab 导入。开箱即提供两个任务标识符:SuperMimic-GenCoord-G1 对应广义坐标表征,SuperMimic-MaxCoord-G1 对应最大坐标表征。训练世界模型与策略是一条命令,接受任务标识符与运行名称;回放已训练模型则需要任务标识符与 Weights and Biases 路径。最快的验证路径是先训练 G1 的广义坐标任务,确认策略在仿真里能跟踪留出动作,然后再考虑最大坐标变体或面向宇树 G1 的真机部署。在真机上运行之前,应当先用仿真留出集验证,再安排硬件实验,避免把未经验证的策略直接送上实体机器人,也便于在出现失败动作时定位是动力学拟合问题还是部署接口问题,从而把风险控制在仿真阶段。如果目标是快速复现论文结果,社区已经出现大量第三方复现仓库,最短可在数分钟内完成一小批动作的训练;但正式接入自有流程之前,仍建议从官方的 G1 任务起步,避免在环境或依赖上踩坑,再逐步扩展到自有机体与数据集。需要提醒的是,回放阶段依赖 Weights and Biases 路径来定位训练产物,因此在团队内部署时建议先统一实验记录规范,避免权重与配置失配导致无法复现已训练的策略。
五、横向对比
与无模型强化学习流水线相比,差别在于学习成本由谁承担。常见路线要么把多个针对单动作训练的专家策略通过有损蒸馏合并,要么在大型 GPU 集群上直接暴力训练单一策略;两者都让 GPU 账单随动作库增长。SuperMimic 改为拟合一个共享动力学的世界模型,并在所有动作之间复用,于是数据规模可以增长,而每个动作的训练成本保持很小。与直接使用物理引擎相比,SuperMimic 消费仿真器的方式与 MuJoCo 一致,但它在引擎之上增加了学习层,并不替代引擎。与 ProtoMotions 这类上层运动框架相比,二者是互补关系:SuperMimic 聚焦于通过世界模型高效训练跟踪策略,而更宽泛的框架负责任务、资产与部署的组织。它的胜点是效率,并非功能广度。与 NVIDIA Warp 这样的 GPU 内核底座也不同,SuperMimic 是建立在其上的算法层,并非仿真内核本身。在算力受限的团队里,这种把’学习多少动作’与’用多少 GPU’解耦的设计,比单纯堆集群更有现实价值;它把规模化的瓶颈从硬件预算转移到了数据覆盖与模型拟合质量上,这对预算有限却希望覆盖大动作库的团队尤其友好。从工程角度看,它把是否值得做运动跟踪规模化从一个算力采购问题,重新定义成了一个建模与数据覆盖问题,这本身就改变了项目可行性的判断方式,让中小团队也有机会评估这条路径。
六、基准与数据
论文报告的基准覆盖十二万九千五百一十四个动作。在单张 NVIDIA H100 GPU 上训练三小时,SuperMimic 就超过了 SONIC 基线的回报;而该基线动用了二百二十八张 NVIDIA L40 GPU、训练约七天,论文称 GPU 小时数降低超过一千倍。它在基准动作上仅失败二十五个,而基线失败一百七十九个;用两张 GPU 训练九点八小时后,失败数降至零。所用训练数据为二百六十四点五六小时,比基线的六百一十一小时少约百分之五十七。世界模型的八步预测误差在训练数据从一小时增长到二百六十四小时的过程中,稳定保持在零点零零七到零点零一之间,说明模型误差并未随数据规模恶化。策略还迁移到实体宇树 G1,覆盖多种多样乃至特技性的动作。需要强调的是,这些数字来自项目自身的验证,且对比的是特定的七天、一百二十八卡基线,实际收益取决于团队工作负载与该基线的接近程度。另一组值得记录的数字是:训练数据仅 264.56 小时却超过了使用 611 小时数据的基线,说明在动作跟踪这一任务上,世界模型的样本效率带来了数据量上的二次节省,而不仅是 GPU 时间上的节省,这对数据获取成本同样高的团队意义重大。不过样本效率的提升并不意味着可以无视数据质量,动作标注的一致性、重定向的正确性,仍然是决定最终跟踪成功率的前置条件,团队在扩大动作库之前应当先把这一关打通。
七、物理 AI 场景中的用法
SuperMimic 处在物理引擎变成学习环境、学习策略变成可部署控制器的交汇点。它对一个物理 AI 方案的贡献,是让仿真器在基于梯度的训练目的上可被一个习得代理替代:世界模型在想象推演中顶替刚体仿真器,于是策略改进不再需要无模型方法所需的缓慢且高方差的采样。共享动力学假设把仿真器从按动作计费的成本中心,变成一次性的模型拟合步骤,并在整个动作库上摊销。对仿真到现实而言,一个完全在世界模型想象中训练的策略能够迁移到实体 G1,说明习得动力学捕捉到了相关的接触与平衡行为。这正是让测量动作跟踪的规模化规律在单台机器上变得可行的那种结果,并非一份算力提案。物理 AI 学习路径把这类能力置于更长的技能获取序列中,基于物理的深度学习则覆盖其下的物理信息建模分支,二者共同构成从仿真到部署的方法论背景。对一个已经在使用 MuJoCo 做仿真、又希望向学习式控制迁移的团队,SuperMimic 提供的是一条渐进路径:先用一个世界模型把仿真器’压缩’成可微代理,再在其上训练策略,而无需一次性替换掉既有的仿真与校验流程,从而降低了引入学习式控制的工程风险。
八、不适用场景与失效模式
第一条限制是共享动力学假设本身。它对单一机器人身体成立,但改变底层动力学的形态变化可能破坏摊销效应,迫使重新收集与重新拟合。第二条是对仿真器保真度的依赖:世界模型从刚体仿真器的日志状态转移中学习,因此仿真器里的任何接触或执行器伪影都会被继承,而解析梯度从未见过真实机器人。第三条是方法只在宇树 G1 与人体动作数据集上验证;其他机体与数据集在发布中并未验证。第四条是算力表述的口径:报告的一千倍降低是与特定的七天、一百二十八卡基线对比,实际节省取决于团队工作负载与该基线的接近程度。第五条是跟踪并不等于任务执行,框架本身并不保证安全部署。物理仿真入门覆盖这些仿真器所采用的建模选择,经典求解器成本边界指南则对照了与传统求解器的关系,便于读者判断何时该用学习策略、何时仍应信任经典求解器。最后需要说明的是,论文中的’零失败’是在特定数据集与训练时长下得到的,并不构成对所有动作、所有机体的保证;把它当作能力上限的参考,并非可直接套用的部署指标,才能避免对结果的高估,也符合本站点对推断类结论保持审慎的一贯立场。
九、版本与口径核对
SuperMimic 于 2026 年以 Apache 2.0 许可开源,代码仓库由混合机器人实验室托管在 GitHub,项目主页为 supermimic.github.io。配套论文《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》于 2026 年 10 月 20 日提交至 arXiv(编号 2610.28480),并于 11 月 9 日修订。论文被 CoRL 2026 接收为 Oral,并于 11 月 11 日在得州奥斯汀荣获会议最佳论文奖。全部七位作者均隶属于加州大学伯克利分校,资深作者为 Pieter Abbeel 与 Koushil Sreenath。代码构建于 mjlab 这一基于 MuJoCo 的研究栈之上,仓库致谢中提及受 ControlVAE、robotic_world_model 项目与 DreamerV3 启发。Apache 2.0 许可覆盖源代码;论文本身遵循 arXiv 许可,预训练产物遵循各自条款。关于出处:版本与作者信息来自论文与仓库,性能数字来自论文自述的验证结果,本条目对超参数与硬件配置不作额外推断。补充一点口径:仓库在 2026 年补入了 Apache 2.0 许可证、致谢与项目链接,代码含对 ControlVAE、robotic_world_model 与 DreamerV3 的借鉴;第一作者廖洽源同时参与过 BeyondMimic 与 MuJoCo Playground 等工作,因此本框架与伯克利人形运动研究线一脉相承。所有作者单位、会议获奖与日期均以论文与会议官方公告为准,本条目未对人员规模或融资等商业信息作任何推断。顺带说明,CoRL 2026 的最佳论文评选在会议现场公布,相关报道与会议官方公告可作为交叉核验来源;本条目未对该奖项的竞争环境或其它入围工作作进一步展开,以免引入未经一手来源确认的陈述,也避免对其它研究团队的工作作出不中立的比较。
十、参考资料
- SuperMimic 仓库 README,GitHub 上的 HybridRobotics 仓库,框架总览、任务标识符、训练与回放命令。
- SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model,arXiv 2610.28480,2026 年 10 月 20 日提交、11 月 9 日修订,CoRL 2026 Oral 并获最佳论文。
- SuperMimic 项目主页 supermimic.github.io,演示视频与可视化结果。
- mjlab(MuJoCo Lab)研究栈仓库,SuperMimic 的训练与回放代码所依赖的仿真基础。
- MuJoCo 条目,SuperMimic 所消费的标准刚体仿真器与接触动力学求解器。
- ProtoMotions 条目,面向人形与数字人的上层 GPU 加速运动仿真与学习框架,与 SuperMimic 互补。
- SONIC 基线相关报道,SuperMimic 论文对比的七天、一百二十八卡运动跟踪基线(以论文与新闻稿表述为准)。
- CoRL 2026 会议,SuperMimic 被接收为 Oral 并获最佳论文奖的机器人学习顶会。
- DreamerV3 仓库,SuperMimic 仓库致谢中提及受其启发的可微世界模型强化学习工作。
- MuJoCo Playground,第一作者参与开发、获 RSS 2025 最佳演示论文奖的开源机器人学习框架。