SuperMimic：单一可微世界模型扩展人形全身控制

Qiayuan Liao 等提出 SuperMimic，在单一训练循环中同时训练可微世界模型与跟踪策略，通过短想象轨迹上的 backpropagation-through-time 为策略提供解析梯度。该方法用一个共享动力学的可微世界模型摊销所有动作的学习，模型从标准刚体模拟器的日志转移数据拟合而来。 论文称，SuperMimic 在单块 GPU 上训练 3 小时即超过一个先进动作跟踪基线（该基线在 128 块 GPU 上训练 7 天）的回报；在两块 GPU 上训练 9.8 小时后达到零失败。策略已迁移到实体 Unitree G1 机器人，覆盖多样及杂技类动作。该论文被 CoRL 2026 接收为 Oral。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。