SuperMimic 单 GPU 3 小时训练超 128 GPU 7 天 SoTA
daibond_alpha · x · 2026-11-10
STACX Lab 发布博客解析 SuperMimic 为何能在单张 GPU 上 3 小时训练出超越基线（128 GPU 训练 7 天）的人形 tracker。核心答案是可微规划（differentiable planning）带来稳定有效的梯度。
技术脉络：
- SuperMimic 通过学习到的动力学模型对预测回报做 BPTT 微分，并用 terminal critic 引导（bootstrap），估计器本身源自 SVG（Heess et al., 2015）与 DreamerV1 的 pathwise value gradient。
- 领域曾抛弃这条路线：DreamerV2/V3 转向 REINFORCE 式梯度，机器人界收敛到 PPO。作者指出关键变量是控制接口——50 Hz PD 位置控制每步拉回误差，使 BPTT 梯度保持有界；直接力矩控制下梯度会爆炸（锅在 MuJoCo）。
- 梯度稳定后效率随之而来：pathwise 梯度信噪比比 score-function 高约 30 倍，同等模型 rollout 下想象步数比 PPO 少约 64 倍；terminal critic 让 rollout 保持短程。
所属事件:SuperMimic 单 GPU 3 小时训练胜 128 GPU 七天基线(5 条相关)→
「具身」频道最新
- Fable 5.2 控制物理机器人大幅进步，双臂任务胜过专用机器人模型 — burny_tech · 2026-11-10
- 研究者 CoRL 现场展示机器人灵巧手 — YuXiang_IRVL · 2026-11-10
- 50 克以内全彩显示智能眼镜跑起 Codex,语音操控演示 — Scobleizer · 2026-11-10
- 机器人传感器校准开源工具 Calibrex 达 50 GitHub 星 — rsasaki0109 · 2026-11-10
- SpaceX:Gk 检测航天零件异物准确率99.9%，超人类94% — elonmusk · 2026-11-10
- HermesEnabler2 实测成功：Apple Watch Series 10 换上 Hermes 表盘 — gregbarbosa · 2026-11-10