SuperMimic 用 1 张 GPU 3 小时超越 128 GPU 7 天的人形控制 SOTA

fdellaert · x · 2026-10-27

qiayuanliao 团队发布 SuperMimic，宣称将人形机器人控制训练的 GPU 时降低超过 1000 倍：在 129,514 段动作上，以 1 张 GPU 训练 3 小时就超越了此前 SOTA（128 张 GPU 训练 7 天）。

相关背景：NYU 与 LAAS-CNRS 团队在 CoRL 2025 发表的 DMO（Decoupled Model-Based Policy Optimization）探索了类似的解耦思路——前向用真实模拟器 rollout 轨迹，反向通过学习到的可微动力学模型传播梯度，从而避免模型 rollout 的复合预测误差，又保留一阶解析梯度的低方差优势。DMO 在运动与操作基准上提升了样本与墙钟效率，并已在 Unitree Go2 上完成四足与双足的 sim-to-real 硬件部署。