CuboiLeo/SuperMimic-Reproduced

选用指南

AI 根据 README 整理 · 2026/10/22 16:22:09

使用方式

通过命令行训练和评测，使用uv运行sm-train和脚本。

查看 README 依据

env -u PYTHONPATH uv run sm-train --run-name e7 --data.npz-dir data/npz/lafan1 \ --env.num-envs 4096 --policy-trainer.batch-size 4096 --schedule.max-hours 3 # BONES-SEED 全量，紧凑库 env -u PYTHONPATH uv run sm-train --run-name e5 --data.library data/library/bones_seed_compact.pt \ --env.num-envs 4096 --policy-trainer.batch-size 2048 --schedule.max-hours 20 # 多卡：torchrun，一进程一卡（每 rank 自己的仿真与 buffer，梯度 all-reduce，lr × sqrt(world)） env -u PYTHONPATH uv run torchrun --nproc_per_node 4 -m supermimic.scripts.train --run-name e6 ... # 跳过坏卡：CUDA_VISIBLE_DEVICES=0,2,3 ... --nproc_per_node 3

部署要求

需要Python 3.12、uv、torch 2.14.1+cu130、mujoco 3.16、warp 1.18、mjlab固定commit，以及RTX 5090等NVIDIA GPU。

查看 README 依据

bench_sim_speed.py / bench_imagination.py 吞吐基准 tests/ FK / 解析头 / 环境 / 世界模型 / 想象 / 动作转换 / 紧凑库 的数值对拍与冒烟测试 ``` ## 环境 - Python 3.12，`uv`；torch 2.14.1+cu130、mujoco 3.16、warp 1.18、mjlab `8bb2bc9`（见 `pyproject.toml` 的 `[tool.uv.sources]`）。 - 已验证硬件：机器 A = 1×RTX 5090（驱动 580 开源内核模块）；机器 B = 4×RTX 5090（Threadripper PRO，PCIe，无 NVLink）。 - 系统 `PYTHONPATH` 若带有 ROS 的 python3.10 包会让 pytest 崩溃，所有命令前加 `env -u PYTHONPATH`。 ```bash uv sync --group dev env -u PYTHONPATH uv run pytest tests -q ``` ## 数据

已知限制

未实现速度接口与蒸馏、PPO基线、ONNX导出和真机部署；论文观测口径下评测回报封顶0.56，需锚点相对观测才能达到论文水平。

查看 README 依据

**最重要的偏离项**：论文 Table A.1 的策略观测只有 93 维本体项（无状态估计）。按此口径的 e2 评测回报封顶 0.56，根部位置/朝向奖励几乎拿不到；加入 BeyondMimic 式锚点相对观测（goal 组追加 9 维）后 e3 达到 0.904。e3/e5 的数字因此**不与论文同口径**，正式结果以论文口径的 e6/e7 及后续 BONES-SEED 全量 run 为准。 ## 文档 | 文件 | 内容 | |---|---| | [docs/PAPER_SPEC.md](docs/PAPER_SPEC.md) | 论文全部数值、公式、协议的逐条转录；"未指明"清单 U1–U20 | | [docs/REPRODUCTION_PLAN.md](docs/REPRODUCTION_PLAN.md) | 复现计划：目标、环境、设计决策 D1–D20、repo 骨架、分阶段步骤、测试、预算、风险 | | [docs/REVIEW_LOG.md](docs/REVIEW_LOG.md) | 计划的自审与两轮对抗审查记录 | | [docs/EXPERIMENTS.md](docs/EXPERIMENTS.md) | 实验日志：每个实验的配置、曲线、评测、偏离计划的决定、踩坑记录 |

# 交互式 replay（原生 MuJoCo 窗口；无显示时 --viewer viser → http://localhost:8080） env -u PYTHONPATH uv run python scripts/play.py --ckpt logs/e7/ckpt_latest.pt --clips dance1_subject1 ``` ## 与论文的对应及已知差异 - 实现了 Algorithm A.1 全流程、Table A.1–A.6 的观测/奖励/终止/网络/超参、Appendix F 评测协议、D 节域随机化（sim context ξ）。 - 论文未指明之处（U1–U20）的取舍记录在 `REPRODUCTION_PLAN.md` 第 4 节；实测后改动的决定记录在 `EXPERIMENTS.md`。 - 未做：速度接口与蒸馏、PPO-Sim/PPO-WM 基线、H×critic 消融、ONNX 导出、真机。 - mjlab 的 `csv_to_npz` 四元数 slerp 在相邻帧几乎相同时会提前返回（姿态滞后一帧），本仓库用自己的向量化 slerp（与 scipy 一致到 1e-9）。