柏克萊新法訓練人形機械人　1 部 GPU 3 小時勝 128 部

柏克萊團隊用 1 部 GPU 訓練 3 小時，勝過用 128 部訓練 7 日的模型

據加州大學柏克萊分校（UC Berkeley）研究團隊 10 月 20 日於 arXiv 發表的論文，新方法 SuperMimic 只用 1 部 NVIDIA H100 圖形處理器（GPU）訓練 3 小時，模仿人類動作的表現已超過目前頂尖的動作追蹤模型 SONIC；後者用 128 部 NVIDIA L40 GPU 訓練了 7 日。團隊表示，按 GPU 時數計，新方法減少逾 1,000 倍運算量。

論文第一作者是 Qiayuan Liao，作者還包括 Pieter Abbeel 和 Koushil Sreenath 等 7 人。論文已獲機械人學習會議 CoRL 2026 接納為口頭報告。

讓機械人模仿 129,514 段人類動作

人形機械人要做出靈活的全身動作，現時主流做法是讓同一個控制程式「追蹤」大量人類動作捕捉片段，學會照着做。問題是動作庫越大，訓練成本越高：現有方法要不是先逐個動作訓練專用模型再合併，損失質素，就是用整個 GPU 集群硬練一個通用模型。

據科研摘要網站 Mekawire 整理，SONIC 已於 2026 年刊登在期刊《Science Robotics》，用 611 小時動作數據、128 部 L40 訓練約 168 小時，約合 21,000 GPU 時數。SuperMimic 則用公開動作庫 BONES-SEED 約 264 小時的數據，篩選出 129,514 段片段，套用到宇樹科技（Unitree）的 G1 人形機械人上。

關鍵是在「想像」中練習

據論文摘要，SuperMimic 先從標準物理模擬器的紀錄中，學出一個「世界模型」，即一個能預測機械人下一刻會怎樣動的程式，所有動作共用同一個模型。控制程式隨後在這個模型內作短暫的「想像」演練，由於模型可以直接計算如何改進動作，毋須像傳統強化學習般靠大量試錯估算，訓練因此快得多。

團隊又指，訓練數據由 1 小時增至 264 小時，世界模型的預測誤差仍保持穩定。在模型中訓練出來的控制程式，毋須逐個動作調校，就能直接在真實的 Unitree G1 上做出跳躍、側滾和 360 度原地空翻。

比較並非同等條件

Mekawire 指出，兩者比較並非在相同條件下重做：SONIC 用的動作數據多 2.3 倍，而 H100 的峰值運算力最高可達 L40 的 5.5 倍，不過作者認為這些差異不足以解釋逾千倍的差距。此外，世界模型只從模擬器數據學習，訓練只涵蓋平地，未包括不平路面或與物件互動，真實機械人測試亦只展示 4 個動作，沒有量度成功率。

據 Mekawire，研究部分由 Komatsu、Apple 和 RAI Institute 資助。Mekawire 認為，若人形機械人的全身控制可以在一部 GPU 上幾小時內重新訓練，沒有大型運算集群的初創公司，亦有能力為機械人訓練大量動作。

來源

• SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model（原始文件）
• SuperMimic 項目網站（UC Berkeley）
• SuperMimic: humanoid control in 3 GPU-hours, not 21,000（Mekawire）