SuperMimic 单 GPU 3 小时训练人形追踪，胜 128 GPU 七天 SoTA
daibond_alpha · x · 2026-11-10
daibondalpha 发布的 SuperMimic 解析线程：在单块 GPU 上 3 小时训出超越基线(128 GPU 训练 7 天)的 SoTA 人形追踪策略。
核心秘诀是可微规划：通过学习到的动力学模型做 BPTT(沿想象轨迹反向传播路径梯度)来差异化预测回报，并用 terminal critic 进行 bootstrap。配图对比了 PPO「按采样动作加权优势」与 BPTT「对动作后果求导」两种策略更新方式：BPTT 把各环节局部敏感度沿想象的轨迹链式相乘，且动力学模型权重保持固定。
作者指出该估计器并不新鲜，与 SVG(Heess et al., 2015)的 pathwise value gradient 和 Dreamer v1 同源，关键是稳定且有效的梯度。
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
- Robbyant 发布 LingBot-Touch,让机器手拥有类人触觉感知 — CyberRobooo · 2026-11-10
- Dyna Robotics 实测 RL 对比 IK:轮式机器人全身动作误差更低更自然 — chris_j_paxton · 2026-11-10
- AI 研究者体验 Tesla Cybercab:对自动驾驶出租车印象相当正面 — chris_j_paxton · 2026-11-10
- 两篇 CoRL 论文把 VLA 推理提速 2.4× 和 4.7×,实现机械臂实时控制 — songhan_mit · 2026-11-10
- 基于 ESP32-C5 的开源 WiFi 干扰检测器,可双频监测并触屏配置 — Kyrannio · 2026-11-10
- Lamport Robotics 开源 12 组 SO-100/101 机器人操作数据集 — R4nsack · 2026-11-10