論文の概要: SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model

• arxiv url: http://arxiv.org/abs/2610.28480v1
• Date: Tue, 20 Oct 2026 16:29:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.920393
• Title: SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model
• Title（参考訳）: SuperMimic: 1つの異なる世界モデルによるヒューマノイド全体制御のスケーリング
• Abstract要約: SuperMimicは、すべての動作の学習を、共有ダイナミクスの1つの異なる世界モデルで改善する。 SuperMimicは、128GPUで7日間トレーニングされた最先端のモーショントラッカーベースラインのリターンを上回っている。
• 参考スコア（独自算出の注目度）: 42.49041513857155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking large human-motion datasets has become the dominant route to general, expressive humanoid whole-body control, but scaling across many motions is expensive. Current pipelines use model-free reinforcement learning, either merging per-motion specialists through lossy distillation, or brute-forcing a single policy with cluster-scale compute. SuperMimic amortizes learning across all motions with one differentiable world model of their shared dynamics, fit from logged transitions of a standard rigid-body simulator. The world model and the tracking policy train together in one loop, and backpropagation-through-time over short imagined rollouts gives the policy analytic gradients. Fast imagined rollouts and analytic gradients make policy learning efficient. In 3 hours on a single GPU, SuperMimic surpasses the return of a state-of-the-art motion tracker baseline trained for 7 days on 128 GPUs. It reduces GPU-hours by more than $1000\times$ and fails on only 25 of 129,514 benchmark motions, versus 179 failures for the baseline. After 9.8 hours on two GPUs, SuperMimic achieves zero failures. From 1 to 264 hours of motion, the world model's prediction error stays stable, and GPU-hours to a target return grow slowly. Our policy transfers to a physical Unitree G1 across diverse and acrobatic motions. SuperMimic removes compute as the bottleneck to scaling humanoid whole-body control, making it practical to measure motion-tracking scaling laws.
• Abstract（参考訳）: 大きな人間の動きのデータセットを追跡することが、一般的な表現力のあるヒューマノイド全体の制御の主流となっているが、多くの動きをまたぐスケーリングは高価である。 現在のパイプラインはモデルなしの強化学習を使用しており、失われた蒸留を通して運動の専門家をマージするか、クラスタスケールの計算で単一のポリシーを強制する。 SuperMimicは、標準的な剛体シミュレータのログ化された遷移から適合する、共有ダイナミクスの1つの異なる世界モデルで、すべての動作の学習を再生する。 世界モデルと追跡ポリシーは、一つのループで一緒に訓練し、短い想像上のロールアウトによるバックプロパゲーション・スルータイムは、ポリシー分析の勾配を与える。 素早く想像できるロールアウトと分析的な勾配は、ポリシー学習を効率的にする。 1つのGPUで3時間、SuperMimicは128GPUで7日間トレーニングされた最先端のモーショントラッカーベースラインのリターンを上回る。 ベンチマークの動作は129,514回中25回に過ぎず、ベースラインで179回失敗する。 2つのGPU上で9.8時間後、SuperMimicはゼロ障害を達成する。 1時間から264時間の間、世界モデルの予測エラーは安定しており、GPUのリターン時間は徐々に増加する。 我々の方針は、多様かつアクロバティックな動きで物理ユニツリーG1に遷移する。 SuperMimicは、ヒューマノイド全体のコントロールをスケールするボトルネックとして計算を取り除き、モーショントラッキングのスケーリング法則を実際に測定する。

関連論文リスト

• Glance Forcing: Making Bidirectional Diffusion Autoregressive at a Glance [31.942575477909344]
  Glance Forcingは、2つの相補的な専門家に認知軌道を分解する軽量蒸留フレームワークである。 1つのPF-ODE軌道のみを使用して、ガンス・フォースは、既に完全に訓練された最先端のベースラインを超え、VBenchトータルスコアは84.04から84.22に上昇した。
  論文  参考訳（メタデータ） (2026-10-14T13:58:17Z)
• Being-M0.7: A Latent World-Action Model for Humanoid Robots [52.49928557294444]
  我々は,人間のデータから学習した視覚的動きを,事前学習,ロボットのミッドトレーニング,アクションポストトレーニングを通じてヒューマノイド制御に伝達する潜在世界行動モデルであるBeing-M0.7を提案する。 我々は、1万時間以上の生の人中心データからコーパスをキュレートし、ビデオのみ、モーションのみ、およびペア化されたビデオモーションストリームを統合して、補完的な視覚力学と全身の運動構造を学習する。 Be-M0.7はSIMPLEで比較したベースラインの中で最高成功率に達し、現実世界のUnitree G1ロコ操作タスクで最強のベースラインと一致する。
  論文  参考訳（メタデータ） (2026-10-08T05:49:24Z)
• WholeBodyWAM: Learning Whole-Body World Action Models with Scalable Motion Priors [28.761088065994244]
  WholeBodyWAMは、ターゲットロボット訓練の前に、大規模な異種運動から全身動態を学習する。 言語条件のモーションエキスパートは、ターゲットロボットアクションの監督なしに、将来の全身の動きを予測するために事前訓練される。 実験により、WholeBodyWAMは運動抑制尺度の増大の恩恵を一貫して受けることが示された。
  論文  参考訳（メタデータ） (2026-09-16T06:32:21Z)
• SceneFactory: GPU-Accelerated Multi-Agent Driving Simulation with Physics-Based Vehicle Dynamics [8.411603210370858]
  SceneFactoryは、自動運転環境での手続き的なシーン構築、物理ベースのマルチエージェントシミュレーション、RLのためのGPUベクター化されたプラットフォームである。 SceneFactoryはOpen Motionのロードトポロジをシミュレーション可能なUSDの世界に変換し、1つのGPU上で複数の世界を同時に実行し、それぞれに複数の関節化したPhysX車両を投入し、降水と路面型をPhysX材料の摩擦係数にマップする。
  論文  参考訳（メタデータ） (2026-05-08T22:23:11Z)
• CLOT: Closed-Loop Global Motion Tracking for Whole-Body Humanoid Teleoperation [54.7399209456857]
  閉ループグローバルモーショントラッキングを実現する,リアルタイムな人型遠隔操作システムCLOTを提案する。 CLOTはオペレータとロボットのポーズをクローズドループで同期させ、長時間のタイムホライズン上でドリフトフリーな人間-人間-ヒューマノイドの模倣を可能にする。 本研究では,報奨評価から観測軌道を分離し,スムーズで安定した大域的補正を可能にするデータ駆動ランダム化手法を提案する。
  論文  参考訳（メタデータ） (2026-02-13T12:03:13Z)
• Learning Sim-to-Real Humanoid Locomotion in 15 Minutes [51.500643119683225]
  本稿では,FastSACとFastTD3という,非政治的RLアルゴリズムに基づくシンプルで実用的なレシピを提案する。 我々の単純なレシピは、何千もの並列環境において、政治外のRLアルゴリズムを大規模に安定化させる。 我々は,Unitree G1 と Booster T1 ロボット上でのヒューマノイド移動制御器のエンドツーエンドの迅速な学習を実演する。
  論文  参考訳（メタデータ） (2025-12-01T18:55:17Z)
• SONIC: Supersizing Motion Tracking for Natural Humanoid Whole-Body Control [85.91101551600978]
  モデルキャパシティ,データ,計算のスケールアップにより,自然かつ堅牢な体の動きを生成できる汎用的なヒューマノイドコントローラが得られることを示す。 我々は、ネットワークサイズ、データセットボリューム、計算の3つの軸に沿ってスケーリングすることで、モーショントラッキングのための基礎モデルを構築します。 本研究では,(1)動作追跡を下流タスク実行にブリッジし,自然かつインタラクティブな制御を可能にするリアルタイムユニバーサルキネマティックプランナ,(2)様々な動作入力インタフェースをサポートする統一トークン空間の2つのメカニズムにより,モデルの実用性を示す。
  論文  参考訳（メタデータ） (2025-11-11T04:37:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。