机器人的训练成本被 Supermimic 打下来了?
机器之心·2026-11-08 09:34

文章核心观点 - UC Berkeley的SuperMimic工作提出基于单一可微世界模型的全身控制架构,对既有算力密集型控制技术路线形成有效替代,将十万级人体动作跟踪策略的训练从多卡集群数日压缩至单卡数小时,引发行业重新思考大规模全身控制训练是否必须持续猛堆算力 [2][4] - 该工作将处理大规模人类动作跟踪策略的训练成本从128张GPU运行数天压缩至单张GPU运行约3小时,研究者表示算力将不再是阻碍底层运动控制拓展的核心障碍,动作追踪的Scaling Law触手可及 [4] SuperMimic是什么及算力瓶颈突破 - SuperMimic一作为UC Berkeley三年级博士生廖洽源,导师Koushil Sreenath与Pieter Abbeel同为论文作者,论文已被CoRL 2026接收为Oral [3] - 全身控制(WBC)是实现机器人高度敏捷性与通用性的核心底层技术,通过全身控制器覆盖行走、舞蹈和姿态恢复等动作,确保机器人能够在人类设计的环境中运作 [3] - 现有流行方案分两类:一类将多个针对单段运动的专家策略蒸馏合并为统一控制器,一类直接在大型运动库上训练单个通用策略 [4] - 两种方案均依赖无模型强化学习,无法显式建模不同人体运动背后共享的仿人机器人刚体动力学,只能依靠大量仿真试错估计动作效果,随运动库规模扩大计算开销急剧攀升 [4] - 英伟达团队SONIC作为此前最优动作追踪器,为让机器人掌握12.9万种不同人类动作,需调用128张NVIDIA L40 GPU在集群上训练长达7天,累计消耗约21,000个GPU小时 [4] - SuperMimic团队公开与SONIC的基准对比数据:在包含129,514段人类动作(约264小时)的测试中,SuperMimic在单张NVIDIA H100 GPU上运行3小时的归一化回报率超过SONIC公开检查点,失败率表现更优;双卡运行9.8小时后,训练集内测试动作达到零失败 [5] - 论文发布后,机器人研究所助理教授石冠亚、Genesis AI创始研究科学家宋运龙等研究者均在社交媒体对该工作表达认可,并分享相关扩展研究及聚焦方向的想法 [5] 单一可微世界模型与解析梯度的技术路径 - SuperMimic研究者表示,尽管人类动作千差万别,但都共享相同的动力学规律,通过可微世界模型学习这些共享规律,为策略提供快速想象推演与解析梯度,是实现千倍效率提升的根本原因 [5] - 文章目录显示,该部分进一步探讨动力学规律如何影响机器人控制以及WBC训练成本如何细化拆分 [1] 具身智能待解难题与Supermimic影响边界 - 文章目录提出,当WBC拥有经济方案后,具身智能仍有难题亟待解决,涉及Supermimic的影响边界及未决挑战 [1]

机器人的训练成本被 Supermimic 打下来了? - Reportify