实至名归！华人成果斩获CoRL 2026最佳论文
此前的SONIC使用128张L40 GPU训练7天，总计约2.1万GPU小时。SuperMimic使用一张H100训练3小时，跟踪回报就超过SONIC发布的最好成绩，GPU小时数减少超过1000倍。

在129514段训练动作的测试中，SuperMimic单卡训练3小时后失败25段，SONIC失败179段；两张GPU训练9.8小时后，失败数降为0。同一策略还迁移到真实Unitree G1，完成跳跃、侧滚和空翻，无需逐动作调参。

SuperMimic核心价值在于：大规模全身控制训练，开始从百卡集群进入单卡可实验的范围。

方法上，SuperMimic先从仿真器中学习“执行一个动作后，身体下一步会怎样”，再让控制器在这个预测模型里训练。它还能直接计算动作变化对后续结果的影响，减少完全依赖反复试错的成本。

一作是加州大学伯克利博士生廖洽源，本科毕业于广东工业大学，主要研究人形机器人的全身运动与操作，曾在波士顿动力研究 Atlas 的强化学习控制。

必须承认，SuperMimic降低了全身控制的训练门槛，但还没有解决通用机器人控制。目前实验仍限于平地动作跟踪，世界模型只使用仿真数据，“零失败”也不代表对未见动作的泛化。

往大一点说，SuperMimic 或许正在重塑具身智能领域的竞争逻辑：从比规模大小，到比想法本身，激励更多研究者去做前人没做过的事。

具身智能 人形机器人 科研 每日机器人 ai