作者丨张 驰
编辑丨马晓宁
CoRL 2026最佳论文揭晓：SuperMimic与RoboTTT获奖
美国时间11月11日下午，在德州奥斯汀举行的机器人学习大会 CoRL 2026 公布最佳论文。加州大学伯克利分校的 SuperMimic 众望所归，摘得最佳论文。这篇论文在发布后已获得广泛讨论和复现，社区在短短20天内就涌现出200多个fork/复现仓库。
论文一作廖洽源是加州大学伯克利分校博士生，本科就读于广东工业大学，师从 Koushil Sreenath 和 Pieter Abbeel，主要研究人形机器人的全身运动与操作。他曾在波士顿动力研究 Atlas 的强化学习控制，也是此前发表于《Science Robotics》的人形机器人控制论文 BeyondMimic 的共同第一作者。
最佳学生论文奖 由英伟达、斯坦福大学和得克萨斯大学奥斯汀分校合作的 RoboTTT 获得。
论文一作江云帆（Yunfan Jiang）是斯坦福大学计算机科学博士生，师从李飞飞，本科毕业于爱丁堡大学，曾在英伟达 GEAR 团队实习。
共有六篇论文入围最佳论文名单，除两篇获奖论文外，入围的还有 Play2Perfect、GRAIL、DISCO，以及一篇对机器人操作评测基准的系统审计。它们涉及灵巧装配、人形机器人训练数据、长上下文控制和多步规划，以及 benchmark。
技术深度解析：SuperMimic如何重塑训练效率
在美国时间11月10日上午的CoRL 2026 Oral报告中，论文第一作者廖洽源讲述了这项工作的出发点与技术路径，也分享了实验室的最新探索。
一开场，他就纠正了一个误读：与当前最先进的方法相比，SuperMimic将训练需要的GPU小时数降低了三个数量级。他提到，每次这样说时，大家都会听成“三倍”，甚至他的导师也是。但他强调：其实是1000倍，不是3倍。
让运动追踪规模化，还缺什么？
对机器人摆出各种动作的视频，我们已经习以为常。这些都使用的是运动跟踪，其中大多数还是专用策略：针对一个动作训练一个策略。但一次只会一个动作，本身并没有那么大的用处。只有把训练扩展到大规模时，运动跟踪就有希望成为构建通用人形机器人底层控制器的一条路径。
问题是，怎样把它做大？需要解决三件事：
第一，数据。CV 领域已经解决了这个问题。
第二，一套适用于各种动作的问题建模方式。去年的同样是廖洽源任一作的 BeyondMimic 解决了这个问题。
第三，怎样使用 GPU 来训练？一种路线是先训练专家策略，再进行蒸馏；另一种路线是在大型 GPU 集群上进行大规模直接训练。如此一来，算力就成了继续扩大规模的瓶颈。SuperMimic 就是要移除这个瓶颈。
但是这很难，因为人形机器人是非常复杂的系统；动作数据量巨大，分布也不均衡；还希望做到零失败，最后还要把策略部署到真实机器人上。
动作千变万化，身体却共享同一套动力学
SuperMimic 的出发点是：这些大规模、多样化的人类动作，彼此差别很大，但身体没有变，它们共享同一套动力学。那么，能不能用一个模型把这套动力学学下来？如果这个模型还具有一些有利于规模扩展的性质，就可能帮助解决问题。
这并不是一个全新的想法。很多其他方法遵循类似思路。
每种方法都要做三个选择：前向过程在哪里运行，反向过程在哪里运行，以及怎样更新策略。此外，还要考虑真实机器人的不确定性和部分可观测性，这对部署非常重要。
SuperMimic 的做法很简单：让前向和反向过程都通过同一个可学习模型，使用 SHAC 更新策略。这样训练出的策略，可以在真实的 G1 机器人上取得不错的效果。
那么，这样的世界模型和运动跟踪器，到底是怎样训练出来的？
从模拟器收集经验，在世界模型中改进策略
首先，让策略在模拟器中运行，收集数据。然后，用这些数据拟合世界模型。接着，让策略在世界模型中进行“想象”，通过模型反向传播来学习、改进策略，由价值评估器，补足剩余部分。这个循环不断重复。
想法很简单，却非常高效。为什么有效？有三个原因：
第一，世界模型可以在不同动作之间复用。学习动力学的成本可以分摊到各种动作上；数据规模增长时，模型误差仍能保持相对平稳。
第二，在世界模型中进行想象，比运行模拟器快 10 倍以上。
第三，一阶梯度提供了很强的学习信号。在同一个世界模型上，PPO 需要更多训练步数，才能达到相同的回报。
因此，SuperMimic 可以在一张 GPU 上训练三个小时，而 SONIC 使用了一百多张 GPU，训练一周。
在演讲中，廖洽源提到如果算力根本不是问题，特别是对大公司来说，那为什么还要关心这个方法？有三个原因：
第一，回报更高。可以在不到三个小时内超过 SONIC。
第二，失败更少。大家经常谈论 99.9% 的成功率，但在一个庞大的数据集上，这意味着还是会有超过一百次失败。相比之下，SuperMimic 在训练三个小时之后，失败数量少于三十。如果允许它训练更久，可以在十万条动作上做到零失败。
第三，训练更快，就意味着迭代更快。
开源以及新探索
目前来说，尽管策略是在世界模型的想象中学习的，这个通用能力也能够迁移到真实机器人上。在 SuperMimic 论文发布后的短短 20 天内，社区就出现 200 多个 fork/复现仓库。有人把它当作一场训练速度挑战，在不到三分钟的时间里，就完成了一个约两小时动作数据集上的训练。有人把它接入其他方法，可以做参数网格搜索，甚至可以省去教师—学生训练流程。还有人把它应用到新的身体形态上。
"我们展示了这条路是可行的，而比我们更聪明的人把它推得更远"。
现在，廖洽源所在实验室还在进行的一些新探索。比如让全尺寸人形机器人搬运物体，进行灵巧操作；让一个策略和一个模型适用于一百多种物体。
目前SuperMimic的代码已经开源，而且包含完整提交历史。项目地址：https://arxiv.org/abs/2610.28480
其他入围论文亮点
RoboTTT：让机器人在执行时用上更长的历史
论文把机器人策略的视觉与动作上下文扩展到约 8000 个时间步。模型在执行过程中用梯度更新一组参数，把历史信息压进这些参数，从而避免每一步重新处理整段历史。
在论文的真机实验里，RoboTTT 可以根据一段人类示范视频模仿操作，也完成了一项约五分钟、包含十个阶段的装配任务。
论文地址：https://arxiv.org/abs/2607.15275
Play2Perfect：先让灵巧手玩物体，再练精密装配
这篇论文先让多指机械手在仿真里抓取、转动物体，学会用手指改变物体在掌中的姿态，再针对插接、旋拧和多部件装配微调策略。
团队发现，要求机械手在手内转动物体的预训练，对后续装配尤其有帮助。论文报告，在接触间隙只有 0.5 毫米的真机插接任务上，从仿真直接迁移的策略取得了 60% 的成功率。
论文地址：https://arxiv.org/abs/2606.26428
GRAIL：用视频世界模型生成机器人训练数据
在这篇论文中，英伟达和加州大学洛杉矶分校团队从已知物体尺寸、相机参数和场景几何的三维环境出发，用视频世界模型生成角色与物体或环境交互的画面。再利用已知的三维信息，从画面恢复带有真实尺度的运动轨迹，并映射到宇树 G1。
团队用合成数据训练第一视角视觉策略，在真机上展示了拾取物体和上楼梯。
项目地址：https://research.nvidia.com/labs/dair/grail/
DISCO：把多步搜索的经验教给策略
如果机械臂要把多个物体摆进有限空间，先放哪个物体，会影响后续还能怎么摆。卡内基梅隆大学和斯坦福大学的团队在物理仿真里用蒙特卡洛树搜索探索多步方案，让策略提出候选动作，再由价值模型判断这些动作能把任务推进多少。
研究人员把搜索找到的方案反过来用于训练策略。部署时，机械臂可以直接用训练好的策略决定下一步，省去在线仿真搜索。论文在仿真和真机上都做了多物体重排实验。
论文地址：https://arxiv.org/abs/2610.25785
机器人基准，测的是什么？
芝加哥丰田技术学院、芝加哥大学和阿贡国家实验室的团队的论文《What Are We Actually Benchmarking in Robot Manipulation?》，审计了 LIBERO、CALVIN、RoboCasa 等五个常用操作基准。
他们发现，一个只有约 9000 万参数、没有语言编码器、也未接受大规模机器人预训练的测试模型，在 LIBERO 上可以达到或接近已报告的最高水平，在 RoboTwin 2.0 和 RoboCasa 上则落后得多。研究还检验了榜单涨幅的统计显著性、固定测试集上的过拟合，以及训练数据与测试分布的接近程度。
项目地址：https://ripl.github.io/manipulation_benchmark_audit/
未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！
公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。
未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！
公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。