Markt
SuperMimic-Paper berichtet vom Training eines Bewegungsreglers für den Unitree G1 in etwa drei Stunden auf einer GPU, während die „Minuten“ nur aus inoffiziellen Open-Source-Repos stammen
SuperMimic berichtet von einem G1-Regler, trainiert in ~3 Std. auf einem H100. „Minuten“ stehen nur in inoffiziellen Repos mit wenigen Clips.
Das SuperMimic-Paper (arXiv 2610.28480) berichtet, einen Bewegungsverfolgungs-Regler für den Humanoiden Unitree G1 in etwa drei Stunden auf einer einzigen H100-GPU trainiert zu haben, gegenüber einer Basislinie, für die es sieben Tage auf 128 GPUs angibt. Die Version „wenige Minuten auf einer GPU“ steht nicht im Paper: Sie stammt aus inoffiziellen Open-Source-Repositories, die mit kleinen Sätzen von etwa 40 Clips trainieren. Beides sind Angaben der Autoren beziehungsweise von Entwicklern, und wir haben keine davon nachgestellt.
Das Wesentliche
- Die Aussage des Papers: etwa 3 Stunden auf einem H100, gegenüber 7 Tagen auf 128 GPUs für die Basislinie SONIC, laut der alphaXiv-Seite.
- Der Abstand: Die Autoren beschreiben mehr als 1000-mal weniger GPU-Stunden.
- Die Qualitätszahl: 25 Fehlschläge gegenüber 179 bei 129.514 Bewegungen, laut den Autoren.
- Die „Minuten“-Aussage: Sie taucht nur in inoffiziellen Repositories auf, trainiert mit etwa 40 LAFAN1-Clips.
Stunden im Paper, Minuten in den Repos
Die Zahl des Papers selbst liegt bei etwa drei Stunden auf einem H100, bereits eine große Verringerung gegenüber der zitierten Basislinie. Die schnellere „Minuten“-Angabe gehört zu getrennten Community-Repositories wie BlinkMimic, die mit einigen Dutzend Clips trainieren. Training mit 40 Clips und mit über 129.000 Bewegungen sind verschiedene Lasten, daher sollten beide Zahlen nicht als ein Ergebnis nebeneinandergestellt werden.
Vorbehalte
Der Vergleich mit SONIC stammt von den Autoren, und eine G1-Demonstration zeigt den Regler an einem echten Roboter, ohne ein breiter Test der Praxiszuverlässigkeit zu sein. Fehlschläge bei simulierten Bewegungen zu zählen ist nicht dasselbe wie Erfolg auf Hardware. Wir haben die alphaXiv-Zusammenfassungsseite direkt gelesen und keinen Code ausgeführt.
Was nicht belegt ist
- Unabhängige Reproduktion des Drei-Stunden-Ergebnisses: keine gefunden.
- Zuverlässigkeit am echten Roboter über die G1-Demonstration hinaus: in den gelesenen Quellen nicht gezeigt.
- Offizielle Stützung der „Minuten“-Aussage: keine; sie stammt aus inoffiziellen Repositories.
- Ob die Geschwindigkeit der Repos bei großen Bewegungssätzen hält: in den gelesenen Quellen nicht getestet.
Übersichtstabelle
| Punkt | Was Stand 7. November 2026 behauptet wird | Quelle |
|---|---|---|
| Paper | arXiv 2610.28480, SuperMimic | arXiv |
| Berichtete Trainingskosten | Etwa 3 Stunden auf einem H100 | alphaXiv |
| Verglichene Basislinie | SONIC, 7 Tage auf 128 GPUs, laut den Autoren | alphaXiv |
| Fehlschläge | 25 gegenüber 179 bei 129.514 Bewegungen, laut den Autoren | alphaXiv |
| „Minuten“-Aussagen | Inoffizielle Repositories, etwa 40 LAFAN1-Clips | GitHub |
FAQ
Sagt das Paper, ein Regler trainiere in Minuten?
Nein. Das Paper berichtet von etwa drei Stunden auf einem H100; „Minuten“ stammen aus inoffiziellen Repositories mit kleinen Clip-Sätzen.
Ist das Ergebnis unabhängig reproduziert?
Wir fanden keine unabhängige Reproduktion der Zahlen des Papers.
Wurde es an einem echten Roboter getestet?
Das Paper enthält eine Unitree-G1-Demonstration, doch die gelesenen Quellen zeigen keine breiten Daten zur Praxiszuverlässigkeit.
Methode und Grenzen
Geprüft am 16. November 2026. Die alphaXiv-Seite haben wir direkt gelesen; das arXiv-PDF und die GitHub-Repositories sahen wir nur über Suchauszüge. Wir haben keinen Code ausgeführt.
Quellen
- alphaXiv: SuperMimic (arXiv 2610.28480) (geprüft am 2026-11-08)
- arXiv: SuperMimic paper 2610.28480 (geprüft am 2026-11-08)
- GitHub: BlinkMimic open-source repository (geprüft am 2026-11-08)
Einen Fehler in diesem Artikel entdeckt? Melden Sie ihn · Unsere Korrekturrichtlinie