MimicX 用策略执行反馈修正人形训练:跟踪误差降 25.7%

Shuaijun Liu · hf · 2026-10-15

MimicX 提出一个 policy-in-the-loop 框架,用执行反馈来修正基于人类视频的人形机器人动作跟踪训练。人类视频提供丰富的动作目标,但视觉上合理的参考在物理仿真执行时仍会持续失败——这些失败恰好指示了监督信号该在哪里调整。

框架流程:从重建与重定向的动作出发,定位困难过渡段和受影响身体部位(何时失败、哪里失败、哪个通道),然后联合调整跟踪目标与用于策略续训的 reset 课程,并通过重复 rollout 验证在跟踪守卫约束下筛选执行优先的改进。四个核心视频任务上,任务平均身体跟踪误差降低 25.7%,执行时域(Robust Execution Horizon)提升 255.6%。配套的 MimicX-HLoop 通过异构执行加速反馈闭环。