BAIR 在 CoRL 2026

BAIR 参与 CoRL 2026 概览

伯克利人工智能研究 (BAIR) 实验室参加了于 11 月 9 日至 12 日在德克萨斯州奥斯汀举行的 2026 年机器人学习会议 (CoRL)。实验室此次共有 33 篇主会论文入选，包含 10 场口头报告和焦点展示，以及 4 份最新研究成果海报。BAIR 的教职员工、学生和博士后也参与了为期四天的会议期间的研讨会组织和主旨演讲环节。

核心研究主题

BAIR 成员在 CoRL 2026 上展示的研究突显了现代机器人技术的几个核心趋势，包括：

• 具身智能与视觉-语言-动作 (VLA) 模型： 研究重点在于记忆增强模型，例如 MEM: Multi-Scale Embodied Memory，以及用于边缘导航的异步 VLA 架构。
• 人形机器人控制与运动操作： 多篇论文探讨了全身控制，包括利用可微世界模型的 SuperMimic，以及用于复杂环境的基于 VLA 的导航模型 TANGO。
• 智能体机器人与自我提升： 大量工作探索了自主智能体行为，包括像 ENPIRE 和 GaP (Graph-as-Policy) 这样的自学习框架。
• 灵巧操作： 通过触觉反应策略 (T-Rex) 和利用多样化的自我中心人类数据 (EgoScale)，探索了精细操作的新方法。

特色演讲与主旨报告

Negar Mehr 教授定于 11 月 9 日发表题为“机器人如何学习与他人互动和协作？”的早期职业生涯主旨演讲。此外，BAIR 成员深度参与了研讨会的组织工作，涵盖了样本高效强化学习 (R2RL)、双手动灵巧工具使用以及从模拟到现实再到实地迁移等主题。

日程亮点

• 11 月 9 日，周一： 聚焦通用策略、记忆和智能体机器人，包括 Negar Mehr 教授的早期职业生涯主旨演讲。
• 11 月 10 日，周二： 涵盖强化学习、运动推理和人形机器人技能，包括关于 Flow Policy Gradients 和 EgoScale 的口头报告。
• 11 月 11 日，周三： 重点关注优化和人形机器人运动，包括关于 Playful Agentic Robot Learning 和 LadderMan 的焦点展示。
• 11 月 12 日，周四： 专门用于研讨会，包括关于样本高效 RL、双手动操作和智能体机器人演示的会议。