zita-ch/supermimic_vibed

해결하는 문제

휴머노이드 로봇이 복잡한 전신 동작(춤, 점프, 넘어졌다 일어나기, 전력 질주 등)을 모방하도록 제어하는 것은 어렵습니다. SuperMimic 논문은 미분 가능한 월드 모델이 훈련을 훨씬 더 효율적으로 만들 수 있음을 보여주었지만, 공식 코드는 공개되지 않았습니다. 이 프로젝트는 해당 방법을 독립적으로 재구현하고 작동함을 보여줍니다: 단일 NVIDIA 카드에서 1.5 GPU시간 미만으로 논문의 정확도와 일치합니다.

작동 방식

시스템은 Isaac Lab 3에서 "키트 없는" 빌드로 실행되며, Newton 물리 엔진과 MuJoCo-Warp 솔버만 사용합니다(Isaac Sim, PhysX 불필요). 29자유도 G1 휴머노이드 모델과 해당 로봇에 리타겟팅된 40개의 LAFAN1 모션 클립(춤, 점프 등)을 사용합니다.

훈련은 SuperMimic의 레시피를 기반으로 합니다: 모션 인코더가 참조 모션을 컨텍스트 벡터로 변환하고, 정책과 학습된 월드 모델이 함께 작동합니다. 월드 모델은 로봇의 미래 상태를 예측하고, 정책은 "상상"을 통해 훈련됩니다——모델 내에서 여러 단계를 계획하고 시간을 거슬러 그라디언트를 전파합니다. 설정은 4096개의 병렬 환경, 리턴 기반 리셋 샘플링, 논문과 일치하는 하이퍼파라미터 세트를 사용합니다.

프로젝트에는 Dockerfile, 데이터 다운로드 스크립트, 로봇 모델을 URDF에서 MJCF 및 USD로 변환하는 도구도 포함되어 있어 전체 파이프라인을 재현할 수 있습니다.

대상 독자

휴머노이드 제어, 모델 기반 강화 학습, 또는 공식 코드 없이 최신 논문을 재현하는 데 관심이 있는 모든 사람. 또한 전체 Kit 환경 없이 Isaac Lab을 실행하는 데 유용한 참고 자료입니다.

주요 특징

• 논문의 평가 리턴과 일치: 0.829 대 0.82, 실패 클립 0/40
• 단일 RTX PRO 6000에서 약 1.5 GPU시간만 필요(논문은 H100에서 1.2시간 사용)
• 키트 없음: Isaac Sim 불필요, Newton + MuJoCo-Warp 사용
• Docker 설정 및 데이터 다운로드 스크립트 포함으로 완전한 재현성 제공
• 평가 감시자, 플로팅, 렌더링 도구 제공
• 코드는 MIT 라이선스; 모션 데이터는 재배포되지 않음(CC BY-NC-ND)