1.7K ·GitHub
这是什么?
SuperMimic 是一个研究代码库,用于训练人形机器人跟踪全身运动。它使用一个可微分的世界模型,并基于 mjlab 构建。
这是我可以导入的库,还是需要运行的程序?
需要运行它。它是一个训练和回放工具,提供训练世界模型和策略、以及回放已训练模型的命令,而不是可以导入到你代码中的软件包。
我要怎样才能让它运行起来?
安装 uv,将 SuperMimic 和 mjlab 克隆为同级目录,然后按照 README 中的说明使用 train 和 play 命令。
开始之前我需要准备什么?
需要 uv 来配置环境,并在 SuperMimic 旁边保留一份 mjlab 的本地检出副本。README 未列出 GPU、Python 版本或操作系统的要求。
“一个可微分世界模型”的方法有什么特别之处?
README 说明一个可微分世界模型用于训练全身跟踪器,但没有详细解释该方法。想了解其工作原理,可以参阅 README 中链接的论文。
两个任务 ID 在实际使用中有什么不同?
两者都针对 G1 人形机器人。GenCoord 使用广义坐标描述机器人,MaxCoord 使用最大坐标,因此选择取决于你想比较哪种表示方式。
训练自己的模型之前,我能先看到一个已训练的模型吗?
README 包含回放已训练模型的步骤,因此你可以检查结果。README 文本中没有说明从哪里获取已训练的检查点。
有哪些类似的项目?
SuperMimic-Reproduced, lerobot, UMR, Zero-WAM, Motus2, Embodied-AI-Guide, flex-pi, project_superdex