UC Berkeley 团队论文 SuperMimic 获 CORL 2026 最佳会议论文奖
机器人学习顶会 CoRL 把最佳论文给了 Berkeley 这篇 SuperMimic，做的是人形机器人全身控制，用一个可微世界模型统一训练。做具身智能、机器人强化学习的同学可以找原文看看方法细节。
UC Berkeley AI Research（BAIR）宣布，来自 Roberto Horowitz、Pieter Abbeel 和 Koushil Sreenath 实验室的论文《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》在奥斯汀举行的 CORL 2026 上获得最佳会议论文奖。研究工作由 Qiayuan Liao 等人主导，聚焦人形机器人全身控制问题。
论文的核心方法是用一个可微世界模型（differentiable world model）来支撑人形机器人全身控制的可扩展训练。通过单一可微模型统一处理全身动力学，团队希望将人类动作迁移到人形机器人的控制策略学习中，从而减少对传统逐任务手工调参的依赖。
CoRL 是机器人学习领域的旗舰会议，最佳会议论文奖每年仅颁给少数几篇论文，对人形机器人方向的研究具有风向标意义。Abbeel 与 Sreenath 实验室此前在机器人学习与控制领域已有多项代表性成果，这次获奖进一步确立了 Berkeley 在人形机器人全身控制方向的地位。
Congratulations to BAIR Researchers from Roberto Horowitz, @pabbeel and @KoushilSreenath labs whose paper "SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model," was awarded the Best Conference Paper at @corl_conf yesterday in Austin! #CoRL2026 corl.org/program/awards Qiayuan Liao @qiayuanliao SuperMimic has won the CORL’s best paper award. Thanks for everyone’s support! 🔗 View Quoted Tweet📊 1 ⚡
本条情报归属 AITOP「论文」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：SuperMimic、CoRL2026、UC Berkeley、人形机器人，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Berkeley AI Research」（@berkeley_ai），经 AITOP 多维评分管线结构化提炼。
