SuperMimic 论文全文:可微世界模型替代集群级 RL 训练人形机器人
alex_verem · x · 2026-11-15
这是 SuperMimic 论文的 arXiv 原文链接(arXiv:2610.28480),作者包括 Pieter Abbeel、Koushil Sreenath 等 UC Berkeley 研究者。论文核心:
- 用一个可微世界模型建模所有动作共享的动力学,替代 model-free RL 的「逐动作专家 + 有损蒸馏」或集群级算力暴力训练
- 世界模型与跟踪策略联合训练,短想象 rollout 的时间反向传播提供解析梯度,使策略学习高效
- 单 GPU 3 小时即超过 128 GPU × 7 天的 SOTA 基线,GPU 时数降低 1000 倍以上,失败数 25/129,514 vs 基线 179
- 两张 GPU 9.8 小时后零失败;策略可迁移至实体 Unitree G1 完成多样杂技动作
- 摘要指出该工作移除了算力瓶颈,使测量「动作追踪 scaling law」成为可能
所属事件:伯克利 SuperMimic：单 GPU 3 小时训练人形全身控制(2 条相关)→
「具身」频道最新
- RaiSim 对比 Newton 实测:小批量机器人仿真 CPU 反而比 GPU 快 95 倍 — ChongZzZhang · 2026-11-15
- CoRL 会后整活：研究者教 Unitree G1 机器人骑机械牛 — RemiCadene · 2026-11-15
- PrimeSim：3万小时视频训练的机器人世界模型，单卡A100实时生成 — jiqizhixin · 2026-11-15
- Claude 被称零训练操控机械臂完成精密加工任务,实为存疑 — IgorCarron · 2026-11-15
- 南洋理工等提出原生VLA模型NEO-VLA,冻结主干LIBERO成功率90.9% — 机器之心 · 2026-11-15
- Zipline 创始人:无人机送血起步,300 万次配送背后的 10 倍扩张法则 — a16z Podcast · 2026-11-15