SuperMimic：利用世界模型将人形机器人动作学习效率提升1000倍

总结了「SuperMimic」的概要。

目次

1. 1. 什么是SuperMimic
2. 2. SuperMimic的工作原理
3. 2-1. 通过世界模型进行未来预测
4. 2-2. 基于微分的策略学习
5. 3. SuperMimic的性能
6. 3-1. 学习时间与计算量
7. 3-2. 动作成功率
8. 3-3. 在实体机器人上的应用
9. 4. 开源与演示

1. SuperMimic是什么

2026年10月，加州大学伯克利分校的研究团队发布了一种名为“SuperMimic”的方法，能够高效地让人形机器人学习全身动作。该研究在机器人学习的国际会议“CoRL 2026”上发表。

「SuperMimic」は、ワールドモデルを利用して、ヒューマノイドロボットに大量の人間の動作を模倣させる学習手法です。

従来手法「SONIC」と比較して、学習に必要なGPU計算量を1000分の1以下に削減しながら、高精度な動作追従を実現しています。

主な特徴は次のとおりです。

研究チームは、従来手法「SONIC」が128基のGPUで7日間かけて学習した動作追従性能を、SuperMimicではGPU 1基、約3時間の学習で上回ったと報告しています。

2. SuperMimicの仕組み

在传统的仿人机器人动作学习中，通常的方法是在物理模拟器上反复驱动机器人，通过强化学习来改善控制策略。
然而，要学习大量的动作，需要庞大的模拟和GPU计算资源。

SuperMimic 利用“可微分的世界模型”解决了这一问题。

2-1. 基于世界模型的预测

世界模型是一种 AI 模型，它根据机器人的当前状态和动作来预测下一个状态。

SuperMimic 使用在物理模拟器“MuJoCo Warp”中收集的数据来训练世界模型。
利用该世界模型，无需每次运行物理模拟器，即可高速预测机器人的动作。

研究报告指出，在实际可用的批量大小下，世界模型的预测速度比 MuJoCo Warp 快 10 倍以上。

2-2. 微分によるポリシー学習

SuperMimicの最大の特徴は、ワールドモデルを通じて誤差逆伝播を行い、制御ポリシーを直接改善できることです。

学習は次の流れで進みます。

従来のPPOなどの強化学習では、試行錯誤によってポリシーを改善します。一方、SuperMimicはワールドモデルの微分可能性を利用して、効率的にポリシーを更新します。

なお、物理シミュレーター自体を微分可能にする必要はありません。ワールドモデルとポリシーは、同じ学習ループの中で並行して更新されます。

3. SuperMimic的性能

研究团队将其与传统的类人机器人动作学习方法“SONIC”进行了比较。

3-1. 学习时间与计算量

SuperMimic将学习时间缩短至原来的五十分之一以下，GPU计算量降低至原来的千分之一以下。

不过，由于使用的GPU种类和学习数据量不同，并非完全相同的条件进行比较。

3-2. 动作成功率

研究中，我们使用129,514种动作进行了评估。

SuperMimic通过两块GPU进行9.8小时的训练，在模拟环境中对评估对象的全部129,514种动作均实现了无失败的跟踪。

特别是在SONIC不擅长的空翻和侧旋等复杂动作方面，也观察到了改善。

不过，该评估针对的是用于学习的动作数据，并不能表明其对未知动作的泛化能力。

3-3. 应用于实体机器人

在SuperMimic中，我们还使用人形机器人“Unitree G1”进行了实机实验。

我们将仿真中学习到的控制策略直接应用于实机，无需针对每个动作进行额外调整，实现了舞蹈、跳跃、侧翻等多种动作。

官方网站上公开了由单一控制策略执行多种动作的演示视频。

4. 开源与演示

SuperMimic的官方实现已发布在GitHub上。
它以Apache License 2.0许可证提供，并基于机器人仿真环境“mjlab”进行实现。

GitHub上提供了针对Unitree G1的训练脚本以及用于运行预训练模型的脚本。

此外，官方网站上还公开了可以在浏览器中体验机器人操作的Web演示。