SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model

📄 arXiv: 2610.28480v1 📥 PDF

作者: Qiayuan Liao, Yiyang Shao, Junfeng Long, Kevin Zakka, Roberto Horowitz, Pieter Abbeel, Koushil Sreenath

分类: cs.RO

发布日期: 2026-10-20

备注: Accepted at CoRL 2026 (Oral). Project website: https://supermimic.github.io

💡 一句话要点

提出SuperMimic以解决人形机器人全身控制的计算瓶颈问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 人形机器人 全身控制 可微分模型 运动跟踪 计算效率 强化学习 动态共享

📋 核心要点

  1. 现有的人形机器人控制方法在处理多种运动时计算成本高，难以扩展。
  2. SuperMimic提出了一种可微分的世界模型，通过共享动态来优化多种运动的学习过程。
  3. 实验表明，SuperMimic在计算效率和成功率上显著优于传统方法，且在多种动作中表现出色。

📝 摘要（中文）

随着大规模人类运动数据集的出现，通用且富有表现力的人形机器人全身控制成为研究热点。然而，现有方法在多个动作上扩展时成本高昂。SuperMimic通过一个可微分的世界模型来优化学习过程，该模型基于标准刚体模拟器的过渡数据进行训练。该世界模型与跟踪策略在同一循环中共同训练，利用短期想象回放进行时间反向传播，从而高效地提供策略的解析梯度。SuperMimic在单个GPU上仅需3小时便超越了在128个GPU上训练7天的最先进运动跟踪基线，显著降低了计算资源消耗并提高了成功率。

🔬 方法详解

问题定义：本论文旨在解决人形机器人全身控制中的计算瓶颈问题，现有方法在多种运动上扩展时面临高昂的计算成本和效率低下的挑战。

核心思路：SuperMimic通过构建一个可微分的世界模型，利用共享的动态信息来实现对所有运动的学习，从而减少对计算资源的需求。

技术框架：该方法的整体架构包括一个可微分的世界模型和一个跟踪策略，两者在同一训练循环中共同优化。通过短期想象回放进行时间反向传播，提供策略的解析梯度。

关键创新：SuperMimic的主要创新在于将所有运动的学习过程整合到一个可微分的世界模型中，显著提高了学习效率，并解决了传统方法中计算资源不足的问题。

关键设计：在设计上，SuperMimic采用了短期想象回放技术，结合解析梯度的计算方式，确保了在较少的计算资源下实现高效的策略学习。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

SuperMimic在单个GPU上仅需3小时便超越了在128个GPU上训练7天的最先进运动跟踪基线，减少了计算资源消耗超过1000倍，并在129,514个基准动作中仅出现25次失败，展示了其卓越的性能和稳定性。

🎯 应用场景

该研究的潜在应用领域包括人形机器人、自动化控制和虚拟现实等。通过优化人形机器人全身控制的计算效率，SuperMimic为实时运动跟踪和复杂环境中的机器人操作提供了新的可能性，具有重要的实际价值和广泛的未来影响。

📄 摘要（原文）

Tracking large human-motion datasets has become the dominant route to general, expressive humanoid whole-body control, but scaling across many motions is expensive. Current pipelines use model-free reinforcement learning, either merging per-motion specialists through lossy distillation, or brute-forcing a single policy with cluster-scale compute. SuperMimic amortizes learning across all motions with one differentiable world model of their shared dynamics, fit from logged transitions of a standard rigid-body simulator. The world model and the tracking policy train together in one loop, and backpropagation-through-time over short imagined rollouts gives the policy analytic gradients. Fast imagined rollouts and analytic gradients make policy learning efficient. In 3 hours on a single GPU, SuperMimic surpasses the return of a state-of-the-art motion tracker baseline trained for 7 days on 128 GPUs. It reduces GPU-hours by more than $1000\times$ and fails on only 25 of 129,514 benchmark motions, versus 179 failures for the baseline. After 9.8 hours on two GPUs, SuperMimic achieves zero failures. From 1 to 264 hours of motion, the world model's prediction error stays stable, and GPU-hours to a target return grow slowly. Our policy transfers to a physical Unitree G1 across diverse and acrobatic motions. SuperMimic removes compute as the bottleneck to scaling humanoid whole-body control, making it practical to measure motion-tracking scaling laws.