SuperMimic 是一个在 Isaac Lab 3（kit-less + MuJoCo-Warp）上复现的人形机器人全身运动跟踪项目：只用 1 张 GPU、约 1.5 小时训练，就得到一个能跟踪全部 40 条 LAFAN1 舞蹈/跑酷动作的 G1 运动策略，评估回报 0.829、0/40 失败。本文面向新手，逐层拆解它的运动参考库三大核心：LAFAN1 的 30→50 Hz 重采样、可微正向运动学（FK）计算的 14 个跟踪刚体，以及 K=10 帧的未来目标编码，并给出对应源码路径，方便你快速上手阅读。

一张图看懂结果：1.5 GPU 小时打平论文 18 小时

先看成绩。下图是主训练曲线：评估归一化回报在 1.24 h 达到 0.824（论文目标 0.82 @ 1.2 h, H100），1.47 h 时 40/40 动作全部跟踪成功。

完整训练日志：MILESTONES.md

这套"小成本"策略的底层，就是一个组织得非常干净的运动参考库（MotionLib）。它做的事只有三件：把原始动作数据变成 50 Hz 的帧序列、用同一套可微 FK 算出参考姿态与速度、把未来 K 帧打包成策略的目标向量。下面逐一拆解。

运动参考库是什么：MotionLib 与数据流

原始数据来自 40 条重定向到 G1（29 自由度）的 LAFAN1 动作 CSV（dance、jumps、fallAndGetUp、sprint 等，共 264,705 帧 @ 30 fps），每条包含：

MotionLib在 supermimic/motion.py 中一次性加载所有 CSV，拼接成一个大张量并建立索引：

• clip_len/clip_start/clip_end：每条动作的帧数与起止帧；
• clip_id：全局帧号 → 所属动作；
• bin_clip/bin_start：1 秒一个 bin，用于后面"按回报采样重置点"。

数据流可以概括为：

40 × CSV(30Hz) ──重采样──▶ 50Hz 帧序列 ──中心差分──▶ 速度/角速度 │ ▼ 可微 FK（14个跟踪刚体位姿+速度） │ goal(f, K=10) ◀┘ ▼ 策略 π 的目标向量 g

LAFAN1 重采样详解：30 Hz 到 50 Hz 的关键一步

控制频率是 50 Hz（CONTROL_DT = 0.02，4 个 5 ms 子步），所以第一步就是把 30 fps 的原始数据重采样到 50 Hz。实现见 supermimic/motion.py#L28-L39：

• 位置 / 关节角：按时间线性插值（Lerp）；
• 根部姿态：四元数用quat_slerp（球面插值）而不是线性插值，保证旋转路径平滑且单位长度不漂移；
• 帧数：n = floor(dur / 0.02) + 1，每条动作末尾帧自然对齐到 50 Hz 网格。

插值之后再算速度，这一步直接决定了奖励信号的"干净程度"：

• 线速度v、关节速度qd用中心差分（_gradient，两端单侧差分），见 supermimic/motion.py#L116-L120；
• 世界系角速度w由旋转矩阵差R[t+1]ᵀR[t-1]取so3_log再除以2dt得到，见 supermimic/motion.py#L51-L55。

小细节：重采样后的根速、根角速度还会预转到根局部系（root_v_local/root_w_local），根帧投影重力root_gz也一并缓存（supermimic/motion.py#L67-L71），这些正是 10 帧历史观测里的字段。

跟踪刚体 FK：用一套可微运动学对齐模拟器

跟踪哪些部位？TRACKED_BODIES定义了14 个刚体：pelvis、左右髋/膝/踝 roll 连杆、torso、左右肩/肘/腕（见 supermimic/robot.py#L52-L58）。

项目的巧劲在于：它没有直接信任仿真器输出的 link 状态，而是在 supermimic/kinematics.py 里用 PyTorch 从零写了一套可微正向运动学G1Kinematics：

• 从编译好的 MJCF（data/g1_description/g1_29dof.xml）读取 kinematic tree：每个 body 的父节点、关节轴axes、局部偏移offs_p/offs_R；
• forward()沿树递推（supermimic/kinematics.py#L62-L89）：
  • 位置pᵢ = p父 + R父·offᵢ，姿态Rᵢ = R父·R_off·Rot(axis, q)；
  • 速度用刚体运动学递推：vᵢ = v父 + ω父 × (pᵢ − p父)，ωᵢ = ω父 + q̇·axis_world。

同一套 FK 三处共用：参考动作、仿真器记录状态、世界模型预测。因此解析奖励头与仿真标注的奖励严格一致，且与模拟器的 link 位姿/速度对到 ~1e-6（可用 tools/test_env.py 验证）。这也是"一个可微世界模型"能稳定收敛的地基之一。

K 帧目标编码：未来 10 帧如何变成 73 维向量

策略的目标不是"下一帧姿态"，而是未来 K=10 帧的参考运动序列（--goal_frames 10，supermimic/train.py#L23），由MotionLib.goal()生成，见 supermimic/motion.py#L94-L110：

1. 取未来帧f+1 … f+K，并在动作末尾钳位到最后一帧（future_frames），避免越界；
2. yaw 不变性：用当前参考根帧的yaw_mat（只保留朝向投影）把所有量变换到"去掉全局航向"的坐标系，策略无需知道机器人在世界里的绝对朝向；
3. 每帧特征（73 维）：

4. K帧 flatten 成730维向量g，与 10 帧历史观测o_hist一起送入运动编码器 MLP（2048→1024→512→256，输出 z∈R³²，tanh），见 supermimic/networks.py 与 README "Implementation" 一节。

为什么这样设计？目标只由参考数据构成，不依赖机器人当前状态——同一个编码的 z 可以被想象（imagined）rollout 反复使用，配合 32 步 BPTT 与世界模型即可在"脑内"更新策略，这正是 1.5 小时训完的关键。

彩蛋：1 秒 Bin 与"按回报采样"的重置

MotionLib还把每条动作按 1 秒切成 bin（BIN_FRAMES = 50，supermimic/motion.py#L72-L87），维护frame_bin反向索引。这是模拟器重置采样（supermimic/env.py）的基础：50% 均匀 + 40% softmax(−25·G_b/G_max) + 10% 偏向过去的采样，让训练时间优先花在"难但接近成功"的片段上，而不是平均用力。

小结：三个要点带走

• 重采样：Lerp + Slerp 到 50 Hz，中心差分算速度，四元数转 wxyz，全部在加载时一次算完（supermimic/motion.py）；
• FK：一套 torch 可微正向运动学同时服务参考、仿真与世界模型，14 个跟踪刚体位姿+速度对齐到 1e-6（supermimic/kinematics.py）；
• 目标：K=10 帧、yaw 不变、73 维/帧的未来参考序列，让策略"看得见未来"（supermimic/motion.py#L100-L110）。

想复现完整流程：tools/setup.sh准备环境 →tools/download_data.sh拉取 LAFAN1 数据与 G1 模型 →CPUS=0-23 ./run_train.sh lafan1_main开训，最后用 tools/plot.py 画出你自己的成功曲线。