SuperMimic trainiert Ganzkörpersteuerung für Humanoide in 3 Stunden auf einer GPU statt 21.000 GPU-Stunden
Ein an der UC Berkeley entwickelter Regler, der in einem differenzierbaren Weltmodell lernt, übertraf nach 3 Stunden auf einer NVIDIA H100 den Return des veröffentlichten Bewegungs-Trackers SONIC, für den 128 L40-GPUs über 7 Tage, rund 21.000 GPU-Stunden, angegeben sind, berichten die Autoren in einem für die CoRL 2026 angenommenen Preprint. Auf 129.514 Benchmark-Bewegungen scheiterte er an 25 gegenüber 179 bei SONIC, nach 9,8 Stunden auf zwei GPUs an keiner, und er lief Saltos und Rollen auf einem echten Unitree G1.
Kann ein einziges gelerntes, differenzierbares Dynamikmodell eines Humanoiden das modellfreie Reinforcement Learning im Clustermaßstab ersetzen, wenn ein Regler eine sehr große Bibliothek menschlicher Bewegungen nachahmen soll?
Das Nachfahren großer Motion-Capture-Bibliotheken ist zum Hauptweg zur allgemeinen Ganzkörpersteuerung von Humanoiden geworden, doch die Kosten wachsen mit der Bibliothek. Bisherige Pipelines trainieren entweder viele Spezialisten je Bewegung und destillieren sie verlustbehaftet in eine Strategie oder trainieren einen Generalisten modellfrei auf einem GPU-Cluster.
SONIC, 2026 in Science Robotics erschienen und auf derselben BeyondMimic-Formulierung aufgebaut, trainiert eine PPO-Strategie auf 611 Stunden Bewegungsdaten mit 128 NVIDIA L40 über rund 168 Stunden. Es ist der nächstliegende veröffentlichte Vergleich und die Hauptreferenz.
SuperMimic lernt aus aufgezeichneten Übergängen eines Standard-Starrkörpersimulators (MuJoCo) ein über alle Bewegungen geteiltes Weltmodell der Roboterdynamik und trainiert die Tracking-Strategie in derselben Schleife. Die Strategie erhält analytische Gradienten, indem sie durch kurze vorgestellte Rollouts des Weltmodells zurückpropagiert, die auf der GPU schnell und differenzierbar sind. Trainiert wurde auf 264,56 Stunden des öffentlichen, auf den Unitree G1 übertragenen BONES-SEED-Datensatzes, gefiltert auf 129.514 Clips.
Binnen 3 Stunden auf einer H100 übertraf die Strategie den normierten Return des veröffentlichten SONIC-Checkpoints, nach Rechnung der Autoren mit rund 56-mal weniger Wanduhrzeit und rund 7.200-mal weniger GPU-Stunden. Auf dem gemeinsamen Benchmark mit 129.514 Bewegungen scheiterte sie nach 3 Stunden auf einer GPU an 25 und nach 9,8 Stunden auf zwei GPUs an keiner Bewegung, SONIC an 179. Der Vorhersagefehler des Weltmodells blieb zwischen 0,007 und 0,011, während die Daten von 1 auf 264 Stunden wuchsen. Ein einziger Regler führte auf einem echten Unitree G1 ohne Feinabstimmung je Bewegung einen Hüpfsprung, eine Seitrolle, einen 90-Grad-Salto und eine 360-Grad-Drehung im Stand aus.
Ein Preprint, wenn auch für die CoRL 2026 angenommen. Der Vergleich mischt GPU-Typen und Datenmengen: SONIC nutzte 2,3-mal mehr Bewegungsdaten, und eine H100 bietet bis zum 5,5-Fachen der Tensor-Core-Spitzenleistung einer L40. Die Autoren halten das für keine Erklärung einer tausendfachen Lücke, ein Lauf unter gleichen Bedingungen ist es aber nicht. Das Weltmodell lernt nur aus Simulatordaten, Training nur auf ebenem Boden ohne Gelände oder Objektkontakt, und der Realtest zeigt vier Bewegungen ohne gemessene Erfolgsquote. Gefördert wurde die Arbeit unter anderem von Komatsu, Apple und dem RAI Institute.
Lässt sich Ganzkörpersteuerung in Stunden auf einer GPU neu trainieren, ist Rechenleistung für Humanoid-Hersteller kein Engpass mehr, auch für europäische Start-ups ohne Zugang zu großen Clustern. Zugleich werden Skalierungsstudien zu Bewegungsdaten bezahlbar, der Wettbewerb könnte sich zum Besitz der besten Bewegungsbibliotheken verlagern. Für Industrie- und Haushaltsaufgaben fehlen noch Gelände und Objektkontakt, die die Autoren als laufende Arbeit nennen.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.