实验复现 · MODEL-BASED CONTROL · 2026.10

可微世界模型驱动的
人形机器人动作模仿

基于第三方 SuperMimic 实现,完成随机初始化训练、独立评估与实验归档。

40 / 40完整序列完成,0失败
0.9271独立FP32平均回报
2小时累计训练计时
RTX4090单卡24GB,4096环境
实验设置:seed0、4096并行环境、LAFAN1库内40条完整动作、独立FP32评估。累计训练7200.17秒,代码版本、数据来源、运行配置与逐动作指标均可追踪。

参考动作与物理策略回放

48秒原速演示:行走、舞蹈、跳跃、跌倒起身各前12秒。左:运动学参考;右:最终策略驱动MuJoCo-Warp物理仿真。完整40动作评估另见下表。

训练与评估曲线

训练中完整动作回报、失败数、世界模型误差和策略价值指标

训练曲线分别标注训练内bf16评估与独立fp32评估。

训练流程与实验实现

真实仿真转移 → Replay → 8步世界模型拟合 → 32步想象轨迹 → BPTT策略更新;critic独立拟合TD(λ)回报。

实验实现覆盖环境与数据准备、训练运行、checkpoint保存/加载、独立FP32核验及逐动作评估。训练代码、数据版本和完整参数均可追踪。

PythonPyTorchMuJoCo WarpmjlabWorld ModelsBPTT

40条长动作的逐项结果

按回报由低到高排列;每条都执行 frames - 1 步,无截短片段替代。全部原始长动作合计约2.45小时;完整物理轨迹与40条视频已另行本地归档。

动作序列原始帧数实际执行步FP32回报状态
fallAndGetUp1_subject4.csv8,4108,4090.8736完整完成
fallAndGetUp2_subject3.csv8,1958,1940.8795完整完成
walk3_subject3.csv12,33012,3290.8887完整完成
fallAndGetUp1_subject1.csv8,4108,4090.8942完整完成
fallAndGetUp1_subject5.csv8,4108,4090.8953完整完成
fallAndGetUp2_subject2.csv8,1958,1940.8975完整完成
dance1_subject2.csv6,5746,5730.8985完整完成
dance2_subject1.csv11,28411,2830.9067完整完成
jumps1_subject2.csv12,22212,2210.9092完整完成
fight1_subject2.csv12,24412,2430.9122完整完成
sprint1_subject4.csv13,65513,6540.9125完整完成
run2_subject4.csv12,24012,2390.9135完整完成
dance2_subject4.csv11,28411,2830.9142完整完成
fightAndSports1_subject1.csv12,25712,2560.9146完整完成
run1_subject5.csv11,89011,8890.9148完整完成
fight1_subject3.csv12,24412,2430.9160完整完成
jumps1_subject5.csv12,22212,2210.9170完整完成
dance2_subject2.csv11,28411,2830.9171完整完成
fallAndGetUp3_subject1.csv5,1095,1080.9178完整完成
run2_subject1.csv12,24012,2390.9182完整完成
dance1_subject1.csv6,5746,5730.9202完整完成
jumps1_subject1.csv12,22212,2210.9233完整完成
run1_subject2.csv11,89011,8890.9262完整完成
fightAndSports1_subject4.csv12,25712,2560.9293完整完成
sprint1_subject2.csv13,65513,6540.9319完整完成
fight1_subject5.csv12,24412,2430.9389完整完成
dance2_subject5.csv11,28411,2830.9426完整完成
dance1_subject3.csv6,5746,5730.9466完整完成
dance2_subject3.csv11,28411,2830.9485完整完成
walk2_subject1.csv11,90911,9080.9492完整完成
walk2_subject3.csv11,90911,9080.9545完整完成
walk1_subject5.csv13,06513,0640.9558完整完成
walk3_subject1.csv12,33012,3290.9583完整完成
walk3_subject5.csv12,33012,3290.9591完整完成
walk3_subject4.csv12,33012,3290.9607完整完成
walk2_subject4.csv11,90911,9080.9622完整完成
walk1_subject2.csv13,06513,0640.9627完整完成
walk3_subject2.csv12,33012,3290.9663完整完成
walk1_subject1.csv13,06513,0640.9668完整完成
walk4_subject1.csv8,1958,1940.9702完整完成

实验核验

完成想象长度与策略loss缩放关系的源码分析,开发固定除数补丁和共同诊断工具;对最终checkpoint完成640窗口CPU开放环诊断,记录1/4/8/16步预测误差与方向有限差分结果。

核验覆盖40条完整动作执行、回报统计、配置与检查点计数、CPU多步世界模型预测,以及动作参数链的方向有限差分。