AREXOpen in interactive Feed

AREX Feed Article

SuperMimic 衍生链:开源社区 17 天把 G1 运动跟踪训练从 1.31 小时压到分钟级

November 15, 2026

SuperMimic 论文 10 月 20 日登上 arXiv,次日,ETH Zürich 的 Chong Zhang 照着论文重写出首个复现 supermimic_vibed。此后 InstantTrack、BlinkMimic、XMimic 在 10 月 30 日到 11 月 7 日之间接连出现,每个项目都直接从前一个的工作上继续。据 Humanoids Daily 11 月 15 日的综述和各项目仓库的自报数字:在 LAFAN1 动作库的 40 段动作上训练一个 Unitree G1 运动跟踪策略,单卡耗时从首个复现版的 1.31 小时,降到 InstantTrack v1.4 的 2.74 分钟(单卡 RTX 5090)和 XMimic 的 2.47 分钟(单卡 H100);XMimic 用满四张 H100 时是 0.86 分钟。从 10 月 21 日到 11 月 7 日,正好 17 天。所有分钟级成绩都测在仿真环境里。

SuperMimic 出自 UC Berkeley 的 Qiayuan Liao、Yiyang Shao、Junfeng Long、Kevin Zakka、Roberto Horowitz、Pieter Abbeel 与 Koushil Sreenath,标注 CoRL 2026 oral。论文不走无模型强化学习硬算的老路,而是从普通刚体仿真器的转移记录里拟合一个共享的可微世界模型,让跟踪策略在短想象 rollout(模型内的假想轨迹展开)上以 backpropagation-through-time(沿时间反向传播)求得解析梯度。论文自报:单 GPU 训练 3 小时超过在 128 GPU 上训练 7 天的 SOTA(最先进)运动跟踪基线,GPU 小时减少逾 1,000 倍;129,514 段基准动作失败 25 条,基线 179 条;策略迁移到了实体 Unitree G1。

图:SuperMimic 的世界模型可视化,蓝色为模型预测的未来姿态序列。图源:SuperMimic 作者,经 awesome-supermimic 收录。

论文没带代码,次日就有人重写出来

官方实现迟至 11 月 10 日才上线:Berkeley 的 Hybrid Robotics 小组当天把 Apache-2.0 许可的训练代码放上了 GitHub。而在这之前,社区已经把方法重建了数轮,下文这条链上的四个项目全部出现在官方代码之前。

第一个是 supermimic_vibed,仓库简介写着「vibe coded supermimic within 1h」——照着论文,用 AI 编程助手在一小时里写完。免责声明说得更直白:代码太「slop」(快而未经审阅),所以刻意不挂进任何实验室组织名下,风险自负。它跑在 Isaac Lab 3 加 Newton 与 MuJoCo Warp 求解器上,复现的是论文的受控对比实验:40 段重定向到 G1 的 LAFAN1 动作(Ubisoft La Forge 的动作捕捉数据,合计 2.45 小时),一条策略全包,达标线是归一化评估回报 0.82、40 段全部不失败。10 月 21 日的第一版在 1.11 小时达到 0.82,1.31 小时做到 40 段全部不失败;11 月 11 日对照官方代码改进后的版本,把成绩改写为 0.842 回报、0.95 小时(单卡 RTX PRO 6000 Blackwell)。

从 0.25 小时到 0.86 分钟:一条互相借力的加速链

10 月 30 日,GitHub 用户 Huy-Quang-Dao 发布 InstantTrack v1.0,把达标时间压到 0.25 小时,随后一周把策略输出从相对站立姿态的偏移改成对下一参考姿态的修正,以网络的滑动平均副本作部署策略,换上 Muon 优化器、CUDA 图更新和一个更小的策略网络。项目在同一张 RTX 5090、同一仿真器与评估器下的对照表显示:重写的 SuperMimic 基线要 1.50 小时,加策略 EMA(指数滑动平均)降到 0.55 小时,v1.1 与 v1.2 分别为 0.19 和 0.12 小时。XMimic 仓库的致谢写明,BlinkMimic 与 InstantTrack 这两条后续工作都从 Zhang 的复现出发。

BlinkMimic 还让改动流回了上游。Fuyi Chen 11 月 2 日把它挂上 GitHub(仓库,时间据 Humanoids Daily),基于 InstantTrack v1.2 做了三处改动:策略学习率以四倍起步、训练回报过 0.75 后衰减;每 125 次迭代把部署中的策略在全部动作上扫一遍,把 15% 的重置定向到它失败位置之前的 10 秒;把整个训练迭代捕获为一张 CUDA 图。11 月 12 日他发出 arXiv 论文:单卡 RTX 4090 上,回报达到 0.82 需 2.9 分钟,「0.82 且 40 段全不失败、连续三个 checkpoint(训练检查点)保持」这一严格目标需 3.4 分钟,均为三个种子的平均;同一张卡上,InstantTrack v1.2 完成同样的严格目标要 7.36 分钟。两天后的 11 月 4 日,InstantTrack v1.3 把这三处改动吸收回去,更新说明里专门致谢 BlinkMimic。

11 月 7 日,两个项目在同一天把时间继续往下压。InstantTrack v1.4 把更多计算搬上旁路 CUDA 流,15 个配对种子的平均达标时间降到 2.74 分钟——README 同时注明,这一提升「是一个趋势,尚未得到统计学确立」(p = 0.10),确凿的是迭代速率从 10.28 升到 11.87 次/秒。同一天,Nico Bohlinger 发布 XMimic,把 BlinkMimic 的训练器整个搬进 JAX:仿真器、回放缓冲、世界模型、策略和 critic(价值网络)全部编进 XLA(JAX 所用的编译器)程序,一次迭代可以拆到 2~4 张卡上并行。在他用 H100 重跑的同协议对比里,BlinkMimic 要 3.19 分钟,XMimic 单卡 2.47 分钟、两卡 1.39、三卡 1.09、四卡 0.86 分钟,四卡墙钟加速 3.7 倍。Bohlinger 与 Jan Peters 为它配了题为「XMimic and XSoma: Learning Humanoid Motion Tracking and Locomotion in Under a Minute」的论文——XSoma 是同一配方在崎岖地形行走上的版本。

「3 分钟」和论文的「3 小时」量的是不同的题

两组数字不能直接换算。SuperMimic 的 3 小时对应 129,514 段动作的大基准:据 awesome-supermimic 列表整理的官方口径,被超越的基线是 NVIDIA 的 SONIC——无模型全身跟踪器,128 张 L40 训练 7 天,约 21,000 GPU 小时;SuperMimic 在单张 H100 上 3 小时超过它发布的 0.90 归一化回报检查点。社区项目量的是一个小得多的任务:一条策略覆盖 LAFAN1 的 40 段动作,达标线沿用上文那把尺子。supermimic_vibed 的 README 引用了论文自己的 LAFAN1 成绩——H100 上 1.2 小时到 0.82,17 天的压缩正是从这个同口径起点算起。

分钟级也不是只报头部数字:链条上留了成套的同硬件对照。BlinkMimic 的对照表估出 SuperMimic 在 RTX 4090 上完成同样严格目标约需 86 分钟、加策略 EMA 约 32 分钟;supermimic_vibed 注明,论文的 PPO(近端策略优化)仿真器基线在最多 8 张 GPU 上跑 18 小时也到不了 0.82。

统计底子则是薄的。BlinkMimic 只跑了三个种子,Humanoids Daily 转述其论文限制:单一机器人、单一动作库、单一 GPU 型号,样本分辨不出 15% 以下的差距;InstantTrack v1.4 的 2.74 分钟自己标着 p = 0.10;XMimic 的表全部来自它自己的 H100 重跑,与 BlinkMimic 公布的 RTX 4090 数字不同源,单次运行的达标时间可以偏离方法均值约一分钟。还有一个容易漏看的细节:XMimic 四卡把墙钟压到 0.86 分钟,总 GPU 时间(3.4 GPU 分钟)反而略高于 BlinkMimic(3.2 GPU 分钟)——仓库自己的说法是,多卡买到的是时间,不是效率。

仿真里的速度,真机还没有数据

BlinkMimic 的论文只写到 simulated Unitree G1,没有硬件部署实验;InstantTrack 的 README 说明没有做 sim-to-real(仿真到真机迁移)实验;XMimic 的演示动图是训练后的策略在 CPU 上用 MuJoCo 回放;supermimic_vibed 的结果同样出自仿真。

速度的意义先在社区反应里显形。Boston Dynamics 前 staff roboticist(资深机器人工程师)、Tuesday Labs 创始人兼 CEO Ros Shinkle 本周在 X 上写道:「10 月 20 日之前,训练一个全身控制器(即机器人行走模型)要在 128 块 GPU 上花一周;现在一块 GPU 三分钟。」据 Humanoids Daily 转述,她在回复里按出现顺序列出了这些项目,也提到起点的论文发布时没有源码。综述同时算了一笔账:G1 已经是一批美国初创公司的基底平台,Tuesday Labs 自己也在其中;一次几分钟的训练,让小团队一天能多试许多种控制器变体,不必租用集群。

生态的膨胀是另一个可见的后果。awesome-supermimic 列表在 11 月 13 日更新后收录 43 个项目,分 7 类:复现与训练框架 19 个、感知与地形 5 个、操作与灵巧手 5 个、肌肉与交互 3 个、机器人移植 7 个、真机部署 2 个、学习示例 2 个。列表条目称:MorphMimic 用一条策略驱动 G1、X2 Ultra 与 T2 三种机体并接上 PICO 遥操作,但只有 G1 做过硬件测试;Go2-SuperMimic 把方法搬上四足机器人(仅仿真);muscle-supermimic 在 MyoFullBody 肌肉模型上完成 108/108 个留出动作;SuperMimic-Reproduced 在 4 张 RTX 5090 上用 7.1 小时训练 129,943 段 BONES-SEED(公开动作子集)动作,但日志暴露出 100~300 秒长动作上的漂移——短片段分数不等于长时程稳健。真机部署一类的两个条目里,有 NJU R&L Group 具身实验室的 SuperMimic-Repro-Sim2Real:一段约 22 秒、含快速转身与单脚落地的舞蹈在硬件上完整跑通两次,代价是针对片段的微调外加一根松紧安全绳。

四个项目的 README 和论文里都没有真机数字;这条链上唯一有实体 G1 证据的,仍是上游的 SuperMimic 论文本身。列表里的真机条目不在这条链上——分钟级训练与真机部署之间,目前没有公开数据相连。

参考链接

  • Humanoids Daily: After SuperMimic, Open-Source Humanoid Motion Trackers Now Train in Minutes on One GPU
  • SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model (arXiv:2610.28480)
  • supermimic_vibed (GitHub)
  • HybridRobotics/supermimic (GitHub)
  • awesome-supermimic (GitHub)
  • InstantTrack (GitHub)
  • BlinkMimic (GitHub)
  • BlinkMimic: Training a Humanoid Motion Tracker in Minutes on a Single GPU (arXiv:2611.16422)
  • XMimic (GitHub)
  • XMimic and XSoma: Learning Humanoid Motion Tracking and Locomotion in Under a Minute (PDF)

More from this developing story

  • SuperMimic 获 CoRL 2026 最佳会议论文奖:单个可微世界模型,自报单卡 3 小时超越 128 卡 7 天基线Nov 14, 2026
  • SuperMimic 衍生链:开源社区 17 天把 G1 运动跟踪训练从 1.31 小时压到分钟级Nov 15, 2026