UC Berkeley发布Supermimic全身控制研究
热点事件持续更新
UC Berkeley发布Supermimic全身控制研究
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
UC Berkeley 研究者发布 SuperMimic，提出基于单一可微世界模型的全身控制架构，称可将十万级人体动作跟踪策略的训练从 128 张 GPU 运行数天压缩至单张 GPU 约 3 小时。该论文已被 CoRL 2026 接收为 Oral。 团队公开了与 SONIC 的基准对比数据，但训练效率的压缩幅度目前来自其自身说法。
AI 根据报道生成 · 18 分钟前更新
最新进展11月8日 09:32
UC Berkeley 的 SuperMimic 将人形机器人全身控制训练压缩至单卡数小时报道时间线
沿着报道，了解事件的不同侧面。
11月8日
- 机器之心精选UC Berkeley 的 SuperMimic 将人形机器人全身控制训练压缩至单卡数小时
UC Berkeley 研究者发布 SuperMimic，提出基于单一可微世界模型的全身控制架构，把十万级人体动作跟踪策略的训练从 128 张 GPU 运行数天压缩至单张 GPU 约 3 小时。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。