zita-ch/supermimic_vibed

解决的问题

控制人形机器人模仿复杂的全身动作（如舞蹈、跳跃、摔倒起身、冲刺）是困难的。SuperMimic论文表明，可微分世界模型可以使训练更加高效，但其官方代码从未发布。本项目独立重新实现了该方法并证明其有效性：在单个NVIDIA显卡上不到1.5 GPU小时内达到论文的精度。

工作原理

该系统运行在Isaac Lab 3上，采用“无Kit”构建，仅使用Newton物理引擎和MuJoCo-Warp求解器——无需Isaac Sim，无需PhysX。它使用29自由度G1人形模型和40个LAFAN1动作片段（舞蹈、跳跃等）重新定向到该机器人。

训练基于SuperMimic的配方：动作编码器将参考动作转换为上下文向量，然后策略和学习的世界模型协同工作。世界模型预测机器人的未来状态，策略通过“想象”进行训练——它在模型内规划多步并随时间反向传播梯度。该设置使用4096个并行环境、基于回报的重置采样，以及一组与论文匹配的超参数。

项目还提供Dockerfile、数据下载脚本以及将机器人模型从URDF转换为MJCF和USD的工具，使整个流程可复现。

适用人群

适用于从事人形控制、基于模型的强化学习或复现无官方代码的最新论文的研究人员。它也是在没有完整Kit环境下运行Isaac Lab的有用参考。

亮点

• 匹配论文的评估回报：0.829对比0.82，失败片段0/40
• 在单个RTX PRO 6000上仅需约1.5 GPU小时（论文在H100上使用1.2小时）
• 无Kit：无需Isaac Sim，使用Newton + MuJoCo-Warp
• 包含Docker设置和数据下载脚本，确保完全可复现
• 提供评估监视器、绘图和渲染工具
• 代码采用MIT许可；动作数据不重新分发（CC BY-NC-ND）