SuperMimic 使用说明

以下命令在服务器终端执行。现有环境已配置好，直接激活即可，无需重新创建环境或安装依赖。

1. 进入运行环境

source /workspace/supermimic-deploy/activate.sh
cd /workspace/supermimic-deploy/supermimic
python -c 'import sys, torch; print(sys.executable); print(torch.__version__)'

正常应输出解释器 /workspace/supermimic-deploy/.venv/bin/python 和 PyTorch 版本 2.13.0+cu132。每次重新登录后先执行这一步，后面的命令均在此环境与目录中运行。

2. 查看已有训练

tail -n 20 /workspace/supermimic-deploy/logs/long-sync-20261029.log
tmux attach -t supermimic_quality

日志中的 it 表示迭代次数，本次目标为 32000 次。接入会话后，按 Ctrl+B，松开，再按 D，即可退出查看并保留训练。训练会话仍在运行时，继续等待即可。

3. 训练结束后评估

训练脚本结束后会自动评估。需要手动重新评估时执行：

RUN_DIR=logs/lafan1_long_sync_20261029
python supermimic/evaluate.py --run_dir "$RUN_DIR"

评分保存在运行目录中的 eval.csv 和 ckpt_*_eval.json。比较检查点时，优先看失败动作数，再看归一化回报。

4. 手动生成演示视频

下面以已保存的第 2000 次检查点演示操作；需要展示更好的模型时，按评估结果修改 CKPT。先记录策略轨迹，再生成视频。

RUN_DIR=logs/lafan1_long_sync_20261029
CKPT="$RUN_DIR/ckpt_002000.pt"
mkdir -p results/manual
python supermimic/evaluate.py --run_dir "$RUN_DIR" \
  --ckpt "$CKPT" --record results/manual/traj.npz
MUJOCO_GL=egl python tools/render.py \
  results/manual/traj.npz results/manual/policy.mp4 \
  --clips walk1_subject1 dance1_subject1 jumps1_subject1 --seconds 10

视频保存为项目目录下的 results/manual/policy.mp4，可下载到本地播放。

5. 常用文件位置

以下路径均相对于 /workspace/supermimic-deploy/supermimic：

详细信息请查看:SuperMimic部署从世界模型原理到动作训练实践