CuboiLeo/SuperMimic-Reproduced

解决的问题

本项目提供了对 "SuperMimic" 研究论文的从零开始的独立复现，该论文专注于训练人形机器人执行复杂的全身运动。它通过使用可微世界模型解决了人形机器人控制扩展的挑战，使机器人能够直接从大型运动数据集中学习各种动作，例如跳跃、旋转和爬行。

工作原理

该系统使用可微世界模型来模拟机器人的环境并预测未来状态。它使用时间反向传播 (BPTT) 训练策略，使机器人能够通过“想象”动作序列并根据参考运动库进行优化来学习。该实现基于 MuJoCo Warp 和 mjlab，利用自定义运动库、可微运动学和数据并行训练，在 Unitree G1 机器人上实现了高性能。

适用人群

本项目适用于对人形全身控制、可微仿真和基于模型的强化学习感兴趣的研究人员和机器人工程师。它为那些希望复现 SuperMimic 论文结果或在其特定训练协议和世界模型架构基础上进行构建的人员提供了参考实现。

亮点

• 高性能复现： 在 BONES-SEED 数据集上实现了 0.930 的归一化回报，与论文性能高度吻合。
• 全流程实现： 包含从数据处理、运动库构建到可微世界模型、BPTT 训练器和评估基准的所有内容。
• 优化训练： 支持跨多个 GPU 的数据并行训练，在 RTX 5090 上达到高仿真速度（约 2×10⁵ env-steps/s）。
• 透明文档： 提供详细的日志、设计决策以及代码如何映射到原始研究论文特定部分的说明。