---
id: "mb-20261023-93617a"
kind: "deep"
title: "1 张显卡 3 小时干翻 128 张显卡 7 天：伯克利 SuperMimic 如何颠覆人形机器人动作训练？"
description: "传统人形机器人全身动作控制依赖黑盒强化学习试错，训练 13 万套人类动作需要 128 张显卡跑满一周。加州大学伯克利分校最新提出的 SuperMimic 架构，通过训练连续平滑的可微世界模型并基于时间反向传播计算解析梯度，将训练算力开销缩减超千倍，不仅在宇树 G1 实体机器人上实现高难度拟人运动，更将动作失…"
domain: "ai"
domain_label: "AI 与大模型"
canonical_url: "https://mubeitech.com/deep/mb-20261023-93617a"
markdown_url: "https://mubeitech.com/deep/mb-20261023-93617a/markdown"
json_url: "https://mubeitech.com/api/interpretations/mb-20261023-93617a"
topic: "1 张显卡 3 小时干翻 128 张显卡 7 天：伯克利 SuperMimic 如何颠覆人形机器人动作训练？"
source_type: "generated"
status: "published"
generated_at: "2026-10-23 06:13:59"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 1 张显卡 3 小时干翻 128 张显卡 7 天：伯克利 SuperMimic 如何颠覆人形机器人动作训练？

让一个人形机器人学会十几万套人类全身动作，以前要烧多少算力？
128 张顶级显卡，日夜不停跑满 7 天。
算下来是两万多个卡时。
现在加州大学伯克利分校的研究人员拿出一套新方法，把这个时间压到了 1 张显卡、3 个小时。
不仅时间缩短了，整体算力开销直接被砍掉了一千多倍。
最后跑出来的动作质量，比原来那套大集群跑出来的还要稳。

有没有搞错？
这中间到底省掉了什么？

我们先看人形机器人以前是怎么学动作的。
机器人想在现实世界里自如地活动，不能直接拿真机在水泥地上硬摔。
工程师通常会把人类的动作捕捉数据喂给仿真软件。
跑步、跳舞、单脚跳、后空翻、摔倒爬起，加起来差不多有 13 万个动作片段。
过去行业里的标准解法，叫无模型强化学习，也就是大家常听到的 PPO 算法。

这个学法最大的问题，在于它把物理仿真器当成了一个完全摸不透的黑盒。
一台人形机器人身上有几十个关节电机，脚踝、膝盖、胯骨、肩膀、手臂。
它在虚拟世界里迈出一步，重心不稳啪嗒摔倒了。
仿真器只负责给它算一个标量惩罚：零分，这次尝试失败。
至于具体是哪一个关节电机转得太猛，还是脚踝着地角度差了半度？
仿真器不会跟它讲，算法自己完全不知道。

这就好比蒙着眼睛在靶场射箭。
你一箭射出去，旁边的人只告诉你没打中，但绝不告诉你偏左还是偏右、偏高还是偏低。
你怎么改进动作？
只能靠猜。
机器人必须把同一个动作反复瞎试成千上万次，靠纯粹的随机抽样去碰运气，再通过海量数据去估计梯度方向。
学一个简单的走步可能就要摔上几十万次。
想把 13 万个复杂的人类动作全部学下来，就只能拿海量算力硬砸。
128 张显卡跑上一整周，全是在这个黑盒里做低效率的随机试错。

有人肯定会问：
现实里的牛顿力学公式不是明摆着的吗？
重力、刚体运动、摩擦力，全都是确定的数学方程。
为什么不能像训练大语言模型那样，直接沿着物理过程做误差反向传播，算出每个关节该怎么发力？

这个想法早就有人提过，但卡在了一个物理死穴上：碰撞。
机器人脚底板踩到地面的那一瞬间，接触力是从零瞬间突变到一个极大的数值。
在数学计算里，这种刚体碰撞是不连续的。
一旦你试图沿着时间步去算梯度，数学上的导数要么瞬间爆炸变成无穷大，要么直接衰减到零。
过去的微分物理引擎只要一碰到地面接触和摩擦，算出来的梯度就会彻底崩溃。
这也是为什么大家之前宁可忍受低效的黑盒试错，也不敢直接做反向传播。

加州大学伯克利分校的研究团队，是怎么绕过这个死穴的？
论文作者廖洽源，还有强化学习领域的知名学者皮特·阿贝尔（Pieter Abbeel）他们，盯住了一个关键事实：
13 万套人类动作虽然花样繁多，但机器人的物理身体只有一个。
无论它是走路、跳舞还是翻跟头，它的体重、机械臂长、关节极限和重力环境，完全是固定不变的。
底层那套物理动力学，在所有动作之间是完全通用的。

于是他们做了一套叫 SuperMimic 的新架构，换了一条完全不同的路。
第一步，先让一个神经网络去学习物理仿真器里的动力学规律，训练出一个可微的世界模型。
这个世界模型相当于机器人在自己的神经网络里，给自己的物理身体建了一个连续平滑的数字孪生。
因为它是平滑的神经网络，物理碰撞带来的数学突变，被网络自然平滑掉了，梯度不再乱炸。

第二步，让机器人在这个平滑的世界模型里，做极短时间的动作想象。
比如往前想象踏出短短几步。
因为整个世界模型完全是由可微的神经网络搭建的，每一步动作会带来什么受力、身体会变成什么姿态，全都可以求导。
当机器人发现自己的姿势偏离了人类动作捕捉的标准轨迹，它再也不需要靠蒙去试错。
算法可以直接使用时间反向传播（BPTT），精确算出解析梯度。
哪一个电机的扭矩该加多少牛米、哪一个关节的角度该收回多少度，数学公式算得清清楚楚，一步直接写回给控制策略。
这就相当于把射箭人脸上的眼罩彻底摘掉了。
每一箭偏离靶心几毫米，系统立刻把精确的修正方向直接送进手里。

效率的差距就在这里彻底拉开了。
原来要靠成千上万次摔倒才能蒙出来的试错方向，现在一次解析计算直接命中。
在包含 129,514 个动作片段的基准测试集上：
用 128 张显卡跑了 7 天的传统基准模型，在测试中出现了 179 次动作失败。
而 SuperMimic 仅仅用 1 张显卡跑了 3 个小时，失败动作就降到了 25 次。
如果换成两张显卡跑 9.8 个小时，整整 13 万套动作，失败率直接降到了 0。

这套在显卡脑子里想象出来的控制策略，放在现实世界里真能动吗？
研究团队把训练好的策略直接烧录进了一台宇树 G1 人形机器人。
没有做任何单动作的单独微调，机器人直接在现实地面上完成了一连串高难度的人类动作和杂技翻转。

过去几年，让人形机器人掌握通用全身动作，几乎是头部科技大厂和算力巨头的专属游戏。
动不动几百张显卡连轴转上一周，普通实验室和创新公司连入场测试的算力成本都掏不起。
当控制算法的底层逻辑从黑盒盲猜换成解析梯度，算力的大山第一次被数学优化拆掉了大半。
一张普通显卡加上一个下午的时间，人形机器人就能把人类积累了几千个小时的全身运动库装进自己的身体里。

_Canonical: <https://mubeitech.com/deep/mb-20261023-93617a> · Source: 墓碑科技 MUBEITECH (mubeitech.com)_
_Rendered by mubei-terminal._