伯克利SuperMimic单卡训练3小时,动作表现超越128卡7天训练的对照模型
在近日举行的2026年机器人学习大会(CoRL2026)上,加州大学伯克利分校研究团队展示了SuperMimic研究成果:通过引入可微世界模型,单张GPU训练约3小时,就在特定人形机器人动作跟踪基准上超越了使用128张GPU、历时7天训练的对照模型,消耗的GPU小时数不足对照模型的千分之一,并已在宇树G1人形机器人上实现部分动作的真机迁移。

强化学习是人形机器人学习复杂动作的重要路线。传统做法把真人动作转换为参考轨迹,让机器人在仿真环境中反复尝试,靠奖惩机制优化策略,随着动作库和场景扩展,算力消耗也随之膨胀。SuperMimic把训练拆成三步:先在物理仿真器中执行动作并记录状态变化,再训练可微世界模型学习动作与物理状态的对应关系,最后在世界模型中预测动作结果,用梯度反馈直接优化控制策略。由于世界模型可以重复利用,且能给出更直接的优化方向,效率大幅提升——并行测试条件下,其推演速度可达MuJoCo Warp物理仿真器的10倍以上,最高62倍。
一位具身智能行业人士表示,目前机器人训练耗时往往以天计算,“按小时计算已经是比较快的了”。围绕降本,智元、Sharpa、大晓机器人等企业也在探索仿真预训练、世界模型、部署后持续学习等路径。智元具身研究中心副总裁任广辉介绍,其作业基座模型GO-3 Preview采用自研世界推理动作模型(WRAM)架构,通过GenieEvolver让真机、仿真和世界模型协同开展后训练,动作能力可跨任务复用,“不用从零教”。

数据是另一大开销。Sharpa支持的Do as I Do研究把互联网视频中的人类手部动作转化为灵巧手可执行轨迹,迁移成功率从25%提高到71%;伯克利、Sharpa与香港大学联合研究则用AI生成视频辅助训练,从约2500段生成视频中获得约2000条可用动作参考,40次真机测试成功27次。大晓机器人在酒店洗衣场景展示了具身智能递归自我改进(RSI)技术:机器人在约57小时内完成165轮真机实验,从烘干机取出衣物时牛仔裤滞留比例由平均48%降至32%。
业内普遍认为,训练效率提升并不必然意味着研发投入下降,更可能发生的是数据结构和生产方式的变化。当机器人自己能产生更多轨迹,竞争重点将转向数据质控、任务标注、长尾覆盖和评测闭环,行业技术门槛未必随算力消耗同步降低。
读者评论 (0)
想参与讨论?请 登录 后发表评论。
还没有评论,欢迎抢沙发!