CoRL 2026获奖名单揭晓：伯克利SuperMimic摘最佳论文，广工校友一作

机器人前瞻（公众号：robot_pro） 作者 | 钟宸、周加琦 编辑 | 漠影

机器人前瞻11月12日消息，机器人学习领域的顶级会议CoRL 2026今天公布了获奖名单。

本届CoRL的投稿量刷新了纪录。官方数据显示，CoRL 2026收到的有效投稿共2094篇，去年是737篇，增幅约184.1%；录用论文687篇，录用率32.8%。最终进入候选名单的论文有6篇。

最佳论文奖（Best Conference Paper Award）颁给了加州大学伯克利分校的一项人形机器人运动学习研究。

最佳学生论文奖则花落英伟达、斯坦福等机构合作的一项机器人长上下文策略学习研究。

伯克利的SuperMimic研究构建了一种人形机器人全身控制策略，训练依托可微世界模型，GPU计算时间可缩减1000倍以上。单张GPU训练3小时，成绩就超过了用128张GPU训练7天的基线模型，相关方法已在宇树G1上做了真机验证。

论文一作廖洽源（Qiayuan Liao）是加州大学伯克利分校的博士生。广东工业大学机电工程学院的信息显示，他本科读的是该校机械电子工程专业，之后获全额奖学金赴伯克利攻读博士。

拿下最佳学生论文奖的另一项工作是RoboTTT。它给出的机器人策略学习方法基于测试时训练，上下文被拉长到8000个时间步，机器人因而能借助更长的历史信息处理复杂操作任务。

该论文一作Yunfan Jiang是斯坦福大学计算机科学博士生。其余作者中还有斯坦福大学教授李飞飞、英伟达GEAR团队负责人Jim Fan和朱玉可等人。

一、训练算力省下超1000倍，伯克利团队摘得最佳论文奖

最佳论文奖（Best Conference Paper Award）授予了加州大学伯克利分校的论文《SuperMimic：用一个可微分世界模型扩展人形机器人全身控制（SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model）》。

论文给出的方法，把训练人形机器人全身控制所耗的算力压低了1000倍以上。

在129514段人体动作构成的基准测试上，SuperMimic只用1张GPU训练3小时，就胜过了此前的最强方法——用128张GPU训练7天的SONIC。

更关键的一点是，训练好的策略能直接部署到宇树G1上。SuperMimic公开的演示视频里，宇树G1流畅完成了后空翻、爬行、跳舞等高难度动作；它也能跟着跟踪器模仿人类动作，响应延迟不高，虽然偶尔踉跄，但做出来的动作与人类动作差别并不明显。

论文作者的说法是，这项工作“移除了算力这一人形机器人全身运控scaling的瓶颈”。

眼下，让灵巧的人形机器人学会大量人类动作，主流做法是在物理仿真器里用强化学习反复试错，跟踪海量动作捕捉数据。代价却极高：动作库扩大一分，算力开销就跟着线性上涨一分。

SuperMimic的起点来自一个很朴素的观察：对人形机器人而言，来自人类的参考动作虽然各不相同，却共享同一套混合刚体动力学。

研究团队据此用标准刚体仿真器（standard rigid-body simulator）记录的状态转移数据，拟合出一个所有动作共用的可微分世界模型（differentiable world model），再让世界模型和跟踪策略在同一循环中一起训练。

策略会在世界模型里做32步的想象推演（imagined rollouts），再借时间反向传播（BPTT，backpropagation-through-time）直接取得解析梯度（analytic policy gradients）。梯度不经过仿真器本身，所以带非平滑接触的仿真器同样能用。

这样的设计带来两处效率提升：按实际使用的批次大小（over the batch sizes used in practice）计，世界模型的想象推演比直接跑仿真快10倍以上，并行环境数拉满到64k时差距拉大到62倍；解析梯度则让策略达到同等训练回报所需的想象步数，比PPO少约64倍。

落到结果上，单张GPU跑3小时后，SuperMimic在129,514个动作的基准上只失败25个，SONIC则失败179个；用两张GPU训练9.8小时，失败数进一步降到零。

还有一点，SuperMimic并非靠堆数据取胜：它训练用的动作数据只有264.56小时，比SONIC的611小时少了约56.7%。

训练数据从1小时加到264小时，达到目标回报（target return）所需的GPU计算时长涨幅并不大，世界模型的8步预测误差也一直落在0.007到0.011之间。

团队甚至说，现在测“动作跟踪的scaling laws”，成本已经低到一张GPU就能扛。

SuperMimic的7位作者都来自加州大学伯克利分校，第一作者廖洽源（Qiayuan Liao）是该校博士生。他此前在波士顿动力做过研究实习生，与Scott Kuindersma合作研究E-Atlas机器人的强化学习控制，还曾主导或参与Workhorse、BeyondMimic等项目；他参与开发的开源机器人学习框架MuJoCo Playground拿到过RSS 2025最佳演示论文奖。指导作者之一Pieter Abbeel是深度强化学习领域的大牛，任伯克利机器人学习实验室主任、伯克利人工智能（BAIR）实验室联合主任，也是Covariant的联合创始人。

转发这篇论文时，Pieter Abbeel直言：“人形全身运控训练的游戏规则改变了。”

二、机器人学会利用长期记忆，英伟达、斯坦福研究团队拿下最佳学生论文奖

本届CoRL最佳学生论文奖由英伟达、斯坦福大学和德克萨斯大学奥斯汀分校的联合研究团队获得，论文名为《RoboTTT：机器人策略的上下文扩展（RoboTTT: Context Scaling for Robot Policies）》，今年7月16日首次公开。

眼下多数机器人策略模型做决策时，只能用到单个时间步或较短的历史信息，此前的操作经历难以被充分利用，执行长时间、多阶段任务时这一短板更加突出。RoboTTT的解法是在模型推理过程中更新内部的快速权重，把历史交互信息持续压缩进模型参数，不必额外增加缓存的历史数据。

RoboTTT能处理长达8000个时间步的视觉运动上下文，按30Hz控制频率计算相当于4分半的交互历史，上下文长度比现有机器人策略模型提升约三个数量级。训练稳定性方面，团队用序列动作强制（Sequence Action Forcing）来保证，内存开销则靠截断时间反向传播（TBPTT）控制。

真机测试设置了三项长时间、灵巧装配任务：车辆模型组装、遥控机器人组装和电路组装。对比对象是GR00T N1.7、GR00T N1.7 Hist.及GDN三种基线模型。

三项任务中，RoboTTT平均完成率79%，另外三个模型分别为42%、49%和56%，且RoboTTT在所有任务上都拿到了最高完成率。

团队还考察了上下文长度对性能的影响：预训练上下文从128个时间步扩展到8000个时间步，RoboTTT的任务完成率由30.8%升到71.5%，也没有出现明显的性能饱和迹象。

论文第一作者Yunfan Jiang是斯坦福大学计算机科学博士生，师从李飞飞，同时在英伟达GEAR团队做机器人研究。他本科毕业于爱丁堡大学，之后在斯坦福拿到硕士学位，研究方向主要是机器人学习、强化学习。

▲Yunfan Jiang（图源：英伟达）

Yunfan Jiang此前参与的研究，曾获NeurIPS 2022杰出数据集和基准论文奖（Outstanding Datasets and Benchmarks Papers）以及ICRA 2024最佳论文奖。

结语：一个省算力，一个扩记忆，CoRL把奖给了“效率”

本届CoRL投稿量涨幅达184%，机器人学习领域正成为AI行业的又一“香饽饽”。过去几年，具身智能这一细分领域也基本延续了AI行业的共识：数据越多、算力越大、模型越强。但本届CoRL的获奖论文给出的答案略有不同。

训练提速的另一面：SuperMimic 能压缩成本，是因为它假定所有动作共享同一套动力学，并拿可微分世界模型把学习开销分摊到整个动作库，128 卡 7 天的活因此缩到单卡 3 小时；RoboTTT 则把上下文做到 8000 个时间步，做法不是加大缓存，而是在测试时训练，让历史信息被压进模型参数里。

算力与数据焦虑弥漫的当下，这两个奖至少说明，扩大训练规模之外还有另一条值得走的路：从算法设计、物理规律里挤效率。