Die Nachahmung von Bewegungen ist ein vielversprechender Ansatz für die Laufbewegung humanoider Roboter, der es Agenten ermöglicht, menschenähnliche Verhaltensweisen zu erlernen. Bisherige Methoden stützen sich typischerweise auf hochwertige Motion-Capture-Datensätze wie AMASS, die jedoch selten und kostspielig sind, was die Skalierbarkeit und Vielfalt einschränkt. Kürzlich versuchen Forschungsarbeiten, die Datensammlung zu skalieren, indem sie große Internet-Videos umwandeln, beispielhaft vertreten durch Humanoid-X. Allerdings führen diese Ansätze oft zu physikalischen Artefakten wie Schweben, Durchdringungen und Fußgleiten, die eine stabile Nachahmung behindern. Daraufhin stellen wir PHUMA vor – einen physikalisch fundierten Datensatz für humanoiden Lauf, der menschliche Videos in großem Maßstab nutzt und physikalische Artefakte durch sorgfältige Datenauswahl und physikbasierte Retargeting-Methoden adressiert. PHUMA setzt Gelenkbeschränkungen durch, gewährleistet Bodenkontakt und beseitigt Fußgleiten, wodurch Bewegungen entstehen, die sowohl großskalig als auch physikalisch zuverlässig sind. Wir haben PHUMA in zwei Testkonditionen evaluiert: (i) die Nachahmung bisher unbekannter Bewegungen aus selbst aufgenommenen Testvideos und (ii) Pfadverfolgung mit lediglich pelvisbasiertem Leitungsinput. In beiden Fällen übertrifft die mit PHUMA trainierte Politik die Ergebnisse von Humanoid-X und AMASS und erzielt signifikante Verbesserungen bei der Nachahmung vielfältiger Bewegungen. Der Quellcode ist unter https://davian-robotics.github.io/PHUMA verfügbar.