SuperMimicとは?
SuperMimicは、CoRL 2026でオーラル発表に採択されたUC Berkeleyの論文のコードです。著者はQiayuan Liao、Yiyang Shao、Junfeng Long、Kevin Zakka、Roberto Horowitz、Pieter Abbeel、Koushil Sreenathです。歩行から宙返り、横転まで、人間の全身の動きをヒューマノイドロボットに真似させる単一のポリシーを学習します。シミュレーター内で直接強化学習を回すのではなく、MuJoCo Warpで記録した遷移にひとつの学習済み世界モデルを当てはめ、32ステップの短い想像上のロールアウトに対する解析的な勾配で、そのモデルを通してポリシーを学習させます。
リポジトリには、Unitree G1向けの2つのタスクID(一般化座標版と最大座標版)の学習・再生用Pythonスクリプトが入っています。mjlabの上に構築されており、HybridRoboticsのフォークであるmjlab_researchを隣にクローンする必要があります。プロジェクトページには、選んだ動作でポリシーを動かすブラウザデモがあります。
リポジトリは2026年11月10日に作成され、ライセンスはApache 2.0、GitHubのスターは約1,893、フォークは149です。タグ付きリリースはなく、最新のコミットは2026年11月19日です。
SuperMimicは使う価値があるか?
中心となる主張は計算量に関するもので、プロジェクトページは独自の集計でそれを裏付けています。129,514の動作からなるベンチマークで、SuperMimicはNVIDIA H100 1枚で3時間学習した時点で、SONICの公開チェックポイントの正規化リターン(0.90)を上回ります。SONICは128枚のNVIDIA L40 GPUで7日間、約21,000 GPU時間をかけて学習したので、GPU時間の差は1000倍を超えます。SuperMimicは使ったデータも少なく、SONICの611時間のうち公開部分であるBONES-SEEDの264.56時間です。
より示唆的なのは失敗数です。SONICのチェックポイントは179の動作で失敗し、44の宙返りと22の横転はすべて含まれます。SuperMimicは3時間の時点で25の失敗で、うち宙返りが1、横転が2、寝転ぶ・起き上がる動作が8です。GPU 2枚で9.8時間学習した後は、失敗はゼロと著者は報告しています。ページは、ベンチマークの動作が両手法にとって学習用の動作であると明記しています。つまりこの数字は、ポリシーがライブラリをどれだけカバーできるかを測るもので、見たことのない動作への対応力ではありません。
この手法は微分可能なシミュレーターを必要としません。世界モデルは通常の接触シミュレーターから学び、ポリシーと一緒に毎反復更新されます。32ステップの想像上の地平線より先のリターンはクリティックが推定します。著者によると、示されたすべての実機映像で、ひとつのポリシーが動作ごとの調整なしにゼロショットで実物のUnitree G1を動かしています。根拠は映像と論文なので、実機の時間を確保する前に論文の実機の節を確認すべきです。
注意点:リポジトリは学習専用です。オープンなIssueでは、論文の実行に使った設定も、データのダウンロード経路も、公開チェックポイントもないことが指摘されています。別のIssueでは、動作 データが外部アカウントから参照できないWeights & Biasesのレジストリにあるため、READMEの学習コマンドが外部ユーザーでは失敗すると報告されています。再生もW&Bから実行結果を読み込みます。プロジェクトは公開から10日で、スター47のmjlabの研究用フォークに依存し、Python 3.13を必須としています。
結論:ヒューマノイドの研究室にとって、SuperMimicは今四半期に再現すべき成果です。全身の動作追従を予算項目からワークステーション1台の仕事に変えるからです。明日G1に載せられるポリシーが欲しい人にとっては、コードが追いつくまで論文として読むものです。
真価を発揮する場面
H100を1〜2枚持つ大学のヒューマノイド研究室
クラスターを借りずにUnitree G1向けの汎用動作追従器を学習させたい
supermimicとmjlab_researchを並べてクローンし、データ経路が公開されるまでは自前の動作セットを用意して、SuperMimic-GenCoord-G1タスクを学習させます。論文の実行はH100 1枚で3時間でベースラインを超えましたが、論文の設定を組み直す時間を見込んでください。
世界モデル学習とPPOを比較しているロボティクスのスタートアップ
モデルベース学習でGPUコストが下がるか判断したい
自社の動作の一部で両方の座標版を実行し、目標リターンまでのGPU時間を比べます。著者は、同じ世界モデル上のPPOの最高学習リターンに達するまでの想像ステップがPPOの約64分の1だったと報告しています。
導入前に確認すること
- 導入
- uvをインストールし、supermimicとHybridRobotics/mjlab_researchを兄弟フォルダとしてクローンして、選んだGPUでタスクIDを指定して学習スクリプトを実行します。Python 3.13が必要です。
- 連携
- mjlabとMuJoCo Warpの上に構築され、実行の記録と読み込みにWeights & Biasesを使います。タスクはUnitree G1向けのみです。
- データとプライバシー
- 自分のマシンで動きます。学習用の動作はBONES-SEED由来で、READMEの動作アーティファクトは外部アカウントからアクセスできないと報告されているW&Bレジストリにあります。
- 大規模利用時のコスト
- コードは無料です。コストはGPU時間で、論文ではベースライン超えにH100で3 GPU時間、失敗ゼロに19.6 GPU時間(GPU 2枚で9.8時間)でした。
- 制限
- チェックポイント、評価ハーネス、タグ付きリリースはありません。対応はG1のみで、実機での頑健性は映像で示されているだけなので論文で確認が必要です。
良い点
- H100 1枚で3時間、128 GPUのベースラインを上回る
- 129,514動作中の失敗は179に対して25、GPU 2枚で9.8時間後はゼロ
- SONICのチェックポイントが失敗する宙返りと横転をこなす
- Apache 2.0で、学習済みポリシーのブラウザデモがある
気になる点
- 公開チェックポイントも論文の実行設定もない
- READMEの動作データ経路が外部アカウントでは失敗する
- ベンチマークの動作は学習用なので、汎化ではなくカバー率を測っている
- 若い研究用のmjlabフォークとWeights & Biasesに依存する
おすすめの人
GPUクラスターなしでヒューマノイドの全身動作追従を再現・拡張したい、NVIDIA GPUを持つロボット研究者に向いています。
SuperMimicの代替
SuperMimic:よくある質問
- SuperMimicは使う価値があるか?
- SuperMimicはヒューマノイドの動作追従をクラスターの仕事からGPU 1枚の午後の作業に変えますが、現状は自分で再学習が必要な研究用コードです。 評価は5点満点中3.8点です。
- SuperMimicの料金は?
- Apache 2.0の無料オープンソースです。自前のNVIDIA GPUが必要で、論文の主要な実行ではH100 1枚を3時間使いました。
- SuperMimicの欠点は?
- 公開チェックポイントも論文の実行設定もない; READMEの動作データ経路が外部アカウントでは失敗する; ベンチマークの動作は学習用なので、汎化ではなくカバー率を測っている; 若い研究用のmjlabフォークとWeights & Biasesに依存する.
- SuperMimicは誰に向いているか?
- GPUクラスターなしでヒューマノイドの全身動作追従を再現・拡張したい、NVIDIA GPUを持つロボット研究者に向いています。
- チームや本番環境でSuperMimicを使うと費用はいくらか?
- コードは無料です。コストはGPU時間で、論文ではベースライン超えにH100で3 GPU時間、失敗ゼロに19.6 GPU時間(GPU 2枚で9.8時間)でした。
- SuperMimicは企業データを扱っても安全か?
- 自分のマシンで動きます。学習用の動作はBONES-SEED由来で、READMEの動作アーティファクトは外部アカウントからアクセスできないと報告されているW&Bレジストリにあります。
- SuperMimicの代わりになるものは?
- 当サイトでレビューした中で最も近い代替はEdenです。
回答確認日:2026年11月20日