GitHub 热门

Huy-Quang-Dao/instantTrack

训练微调 在 GitHub 打开 ↗

单卡7分钟训出Unitree G1全身动作模仿策略,比SuperMimic快4.7倍

Star148
24h 新增+28
7 天新增—
Fork6
Issue1
语言Python

项目介绍

更新于 1 天前

InstantTrack 是一个让人形机器人快速学会「照着参考动作跳舞」的训练框架,目标机型是 Unitree G1。它属于动作模仿(motion tracking)这一类:给一段人体动作捕捉数据,训练出一个策略,让机器人在仿真里把动作复现出来。它的卖点是快——在一张 RTX 5090 上约 7 分钟就能把 40 段 LAFAN1 动作全部训到可用水平,且零失败,比 SuperMimic + EMA 的方案快 4.7 倍,同时脚部接触更干净、身体朝向误差更小。做法上它把 SuperMimic 的可微世界模型和 InstantMimic 式的 GPU 训练循环结合起来,用 Muon 优化器和 CUDA graph 进一步压榨速度。项目还预告了 InstantGMT,把这套思路推广到 VR 遥操作的人体动作库上。值得看的是具身智能和人形机器人方向的研究者与工程师,尤其是正在做动作模仿、遥操作策略训练、需要频繁迭代实验的人;如果你不碰机器人强化学习,这个项目和你关系不大。

上手成本:中

Star 趋势

记录 7 个数据点 · 期间增长 +28

仓库信息

LicenseMIT
创建时间2026-10-29
最后推送19 小时前
热度分89.0