zita-ch/supermimic_vibed

解決する問題

ヒューマノイドロボットに複雑な全身動作（ダンス、ジャンプ、転倒起き上がり、スプリントなど）を模倣させることは困難です。SuperMimic論文は、微分可能なワールドモデルが訓練をはるかに効率的にできることを示しましたが、公式コードは公開されませんでした。このプロジェクトはその手法を独立に再実装し、機能することを示します：単一のNVIDIAカードで1.5 GPU時間未満で論文の精度に一致します。

仕組み

システムはIsaac Lab 3上で「キットレス」ビルドを使用して動作し、Newton物理エンジンとMuJoCo-Warpソルバーのみを使用します（Isaac SimやPhysXは不要）。29自由度のG1ヒューマノイドモデルと、そのロボットにリターゲットされた40のLAFAN1モーションクリップ（ダンス、ジャンプなど）を使用します。

訓練はSuperMimicのレシピに基づいています：モーションエンコーダーが参照モーションをコンテキストベクトルに変換し、ポリシーと学習されたワールドモデルが連携して動作します。ワールドモデルはロボットの将来の状態を予測し、ポリシーは「想像」によって訓練されます——モデル内で多くのステップを計画し、時間を遡って勾配を伝播します。この設定では4096の並列環境、リターンベースのリセットサンプリング、論文に一致するハイパーパラメータセットを使用します。

プロジェクトにはDockerfile、データダウンロードスクリプト、ロボットモデルをURDFからMJCFおよびUSDに変換するツールも含まれており、パイプライン全体が再現可能です。

対象読者

ヒューマノイド制御、モデルベース強化学習、または公式コードなしで最先端の論文を再現することに取り組むすべての人。また、完全なKit環境なしでIsaac Labを実行するための有用な参考にもなります。

ハイライト

• 論文の評価リターンに一致：0.829対0.82、失敗クリップ0/40
• 単一のRTX PRO 6000で約1.5 GPU時間のみ必要（論文はH100で1.2時間使用）
• キットレス：Isaac Sim不要、Newton + MuJoCo-Warpを使用
• Docker設定とデータダウンロードスクリプトを含み、完全な再現性を実現
• 評価ウォッチャー、プロット、レンダリングツールを提供
• コードはMITライセンス；モーションデータは再配布されません（CC BY-NC-ND）