HybridRobotics/supermimic

项目介绍

SuperMimic 是 SuperTrack 论文方法的实现，用监督学习为物理仿真角色做运动跟踪：同时训练世界模型和策略，让人形机器人模仿录制的运动数据。代码基于 mjlab 的研究分支 mjlab_research，面向 G1 人形机器人，提供两个任务变体——广义坐标表示（SuperMimic-GenCoord-G1）和最大坐标表示（SuperMimic-MaxCoord-G1）README。

项目面向已有强化学习和物理角色动画经验的研究者，而不是想直接拿到动画工具的一般用户。

环境准备

需要可用的 CUDA 显卡，以及对两个仓库的 Git 访问权限。README 用 uv 管理 Python 环境，若本机未安装，可先执行：

curl -LsSf https://astral.sh/uv/install.sh | sh

然后把 SuperMimic 和它的 mjlab 分支克隆为同级目录：

mkdir supermimic_ws && cd supermimic_ws
git clone git@github.com:HybridRobotics/supermimic.git
git clone git@github.com:kevinzakka/mjlab_research.git
cd supermimic

克隆命令使用 SSH 地址，因此需要预先配置好 GitHub SSH 密钥 README。

训练与回放

指定显卡和任务 ID，并给本次训练起一个名称：

CUDA_VISIBLE_DEVICES=<GPU_ID> uv run src/supermimic/scripts/train.py \
  <TASK_ID> --runner.run_name <description>

回放训练好的模型时，把脚本参数指向 Weights & Biases 的运行路径：

uv run src/supermimic/scripts/play.py \
  <TASK_ID> --wandb-path <RUN_PATH>

其中 <GPU_ID>、<TASK_ID>、<RUN_PATH>、<description> 均为占位值。回放依赖 W&B 运行路径，说明实验日志通过 Weights & Biases 管理 README。

使用约束

• 训练命令显式设置 CUDA_VISIBLE_DEVICES，运行环境按 CUDA 设计，README 未说明纯 CPU 的用法。
• 依赖的是 mjlab_research 分支而非上游 mjlab，代码要求两个仓库处于同级目录。
• README 没有介绍运动数据、模型检查点和 W&B 配置的具体细节，环境准备和用法两节是仅有的文档入口。
• 项目以 Apache 2.0 发布；代码参考了 ControlVAE（BSD-3-Clause）、robotic_world_model（Apache-2.0）和 DreamerV3（MIT），借用部分还需遵守这些许可证。

HotRepo 点评

SuperMimic 于 2026-11-11 出现在 HotRepo 新项目榜中，在 2026-11-10T10:46:56Z 至 2026-11-11T00:15:38Z 约 13.5 小时的统计窗口内新增 107 星，同期新增 7 个 fork。该项目没有 GitHub 日榜名次记录，也没有 HN 讨论。以上数字只是这个前一天发布的研究仓库一次早期快照，同口径数据尚不足以判断这种关注是否持续。