[RO]《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》Q Liao, Y Shao, J Long, K Zakka… [UC Berkeley] (2026)

在人形控制领域，低成本学动作是一个悬而未决的难题。过去的方法受困于万级卡时开销，本质原因是视仿真为黑盒盲猜，未利用底层物理规律。

本文的核心洞见是：把动作试错重新看作求解可微世界模型。由此，在模型内推演并直接反向传播求导这一关键操作使问题得以解开。

这项工作真正留下的遗产是降本千倍的训练法。它为后来者打开的新门是低成本探究缩放定律，但尚未跨过的门槛是困于平地仿真，无复杂地形交互。

arxiv.org/abs/2610.28480 #机器学习# #人工智能# #论文# #AI创造营#