RayZhao/supermimic_getup

SuperMimic G1 tracker with fall recovery (get-up)

A Unitree G1 whole-body motion-tracking policy from an independent reproduction of SuperMimic (arXiv:2610.28480), fine-tuned so that it gets up after falling (prone, supine or on its side) and resists knock-down pushes. Code: github.com/Mr-Zqr/SuperMimic-Reproduced (main).

基于 SuperMimic 复现的 Unitree G1 全身动作跟踪策略，在此基础上做了"摔倒后起身"微调（设计见仓库 docs/REPRODUCTION_PLAN.md 的 D22）。

结果

起身测试：256 个环境，静止站立的 T-pose 参考，全部关闭摔倒终止；"起身"定义为骨盆高度误差 < 0.1 m 且倾角误差 < 0.2，持续 0.5 s，限时 10 s。跟踪评测用固定的 2000 条 BONES 平地子集，每条从第一帧完整播放，无噪声、无域随机化。

检查点	俯卧 / 仰卧 / 侧卧 起身成功率	4–6 m/s 推倒率	2000 条子集跟踪回报
跟踪基线 bones_flat_v2，18 万次迭代	10% / 0% / —	91%（18.8 万次迭代时测）	0.921（2 条失败）
本模型，26 万次迭代	**100% / 100% / 100%**（中位 1.3 / 1.3 / 1.5 s）	0%	0.912（6 条失败）

代价：跟踪回报略降（逐 clip 中位 −0.006），主要来自全局根部位置 / 朝向漂移；新增的失败主要是倒立类动作。

文件

文件	内容
policy.pt	策略权重 + 配置（35.6 MB），可直接用仓库 main 的评测 / 回放脚本加载
training_state_ckpt_0260000.pt	完整训练状态（世界模型、critic、优化器、采样器，221 MB），用于续训
videos/	回放视频：起身（22.8 万次迭代，俯卧 / 仰卧各两段）、侧手翻和 180° / 360° 空翻（26 万次迭代）

使用

git clone https://github.com/Mr-Zqr/SuperMimic-Reproduced.git
cd SuperMimic-Reproduced
uv sync
hf download RayZhao/supermimic_getup policy.pt --local-dir checkpoints
# 交互回放（需要 NVIDIA GPU；有显示器时用原生 MuJoCo 查看器，否则用浏览器版 viser）
uv run python scripts/play.py --ckpt checkpoints/policy.pt --npz-dir data/npz/lafan1 --clips fallAndGetUp1_subject1
# 评测（每条 clip 从第一帧完整播放）
uv run python scripts/eval_benchmark.py --ckpt checkpoints/policy.pt --npz-dir data/npz/lafan1

动作数据不随模型发布，按仓库 README 的"数据"一节准备（LAFAN1 或 BONES-SEED 的 G1 重定向）。

注意：play.py 和评测保留了训练时的摔倒终止（骨盆高度 / 倾角偏差超过阈值即重置）。想观察倒地后起身，需要关闭终止，见仓库 README 的"摔倒起身"一节。

训练

• 观测：论文 Table A.1 的 93 维本体感知（10 帧历史），加未来 10 帧 G1 参考目标；不含全局位置等状态估计。
• 基线：bones_flat_v2，在清洗后的 BONES-SEED 平地子集（102,004 条，198 h）上按论文 Table A.5 训练 18 万次迭代，单卡 RTX 4090。
• 起身微调：从 18 万次迭代续训到 26 万次，学习率恒定 2e-5，分三段：
  1. 18 万 → 19.2 万：30% 的回合关闭摔倒终止（--env.immune-probability 0.3）；
  2. 19.2 万 → 21.2 万：再加击倒推力（--env.push-interval-s 2.0 4.0 --env.push-speed 4.0 6.0）；
  3. 21.2 万 → 26 万：再加 10% 从躺姿开始的重置（--env.lie-probability 0.1）。
• 续训 training_state_ckpt_0260000.pt 需要带 per_bin 重置采样器的代码版本（训练时用了 --env.gmax-mode per_bin）；该采样器还不在 main 上。

局限

• 策略看不到自己的全局位置，长动作（如 LAFAN1 的 2–4 分钟 clip）会逐渐漂离参考。
• 倒立类动作和超出 G1 关节限位的参考（如跪坐到脚跟）仍会失败。

许可

代码为 MIT 许可（见 GitHub 仓库）。模型在 BONES-SEED 数据上训练，使用请同时遵守 BONES-SEED 的许可条款。