∇Mimic用可微仿真加速人形机器人策略学习

Weyl Lu、Yubei Chen 提交预印本论文，提出 ∇Mimic：用仿真器的精确梯度做一阶人形机器人策略学习，并发布面向 Unitree G1 的可微 GPU 仿真引擎 NablaEngine，二者均以开源形式发布。作者称 NablaEngine 的解析梯度与 float64 有限差分一致，比现有 MuJoCo Warp 伴随方法快 11.5 倍。 在单 GPU 上用单一策略跟踪全部 40 段 LAFAN1 全身动作时，作者报告 ∇Mimic 用 20 分钟达到 0.82 分、1.8 小时达到 0.874 分，而世界模型方法达到 0.82 分需 1.2 小时；标准一阶基线 SHAC 在数分钟内因梯度爆炸停止。 上述结果来自预印本，尚未经同行评议和独立验证，且限于仿真环境中的 Unitree G1 与 LAFAN1 动作集。方法通过中位数相对逐样本梯度裁剪和多步回归复用仿真窗口，抑制接触动力学中的梯度爆炸。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。