Abbeel 组 SuperMimic：可微分世界模型让 sim-to-real 提速近千倍
HirokatuKataoka · x · 2026-11-12
UC Berkeley 教授 Pieter Abbeel 研究组在 CoRL2026（Austin）做 oral 报告，发布 SuperMimic 技术：用神经网络世界模型取代传统物理仿真器做人形机器人全身控制（motion tracking）的 sim-to-real 强化学习，速度提升可达数百到近 1000 倍。
核心思路与意义：
- 用可微分的世界模型替代不可微分的传统物理引擎后，目标函数→reward→world model→policy 全链路可微分，可直接用梯度法训练
- 不仅更快，还能完成传统仿真器下难以实现的高难度动作：后空翻等 SONIC 失败过的杂技动作被成功复现
- 报告中还透露（此前论文未提）该方法已扩展到操作（manipulation）任务，多指手场景大幅超越 PPO 基线
- 代码已随报告开源；NVIDIA 的 SONIC 曾是该领域标志性成果，作者认为 SuperMimic 已显著超越
日经 Robotics 12 月号用 10 页篇幅详解了这项技术。Abbeel 曾全职加入早期 OpenAI 机器人团队，也是 Physical Intelligence 创始人 Chelsea Finn 的导师。
所属事件:伯克利 SuperMimic 开源：sim-to-real 训练提速近千倍(2 条相关)→
「具身」频道最新
- Runway 一张图透露三线布局:实时化身+交互世界+机器人模型 — c_valenzuelab · 2026-11-12
- WICL：单演示+仿真预演让机器人在上下文中学会操作，RoboTwin 全 50 任务成功率达 83.4% — _akhaliq · 2026-11-12
- CoRL 参会观感：机器人离「被解决」还很远 — DJiafei · 2026-11-12
- Wired 实测 OpenAI 模型驱动的 Microduck:会追猫的虚拟鸭子玩具 — Wired AI · 2026-11-12
- RoboCap-10k 发布：1 万小时带度量动作的开放式机器人数据集 — databoydg · 2026-11-12
- Claude 操控机械臂复原魔方，Trossen 展示具身新演示 — kscottz · 2026-11-12