活动描述
CoRL（Conference on Robot Learning）专注机器人学习与机器学习交叉，是 VLA、模仿学习、RL for robotics、sim-to-real 等方法论的核心发表阵地。相较 ICRA/IROS 的全栈覆盖，CoRL 更强调 learning-based 方法与真实/仿真数据闭环。
会议采用 peer review，接收论文常附带真实机器人实验或大规模仿真 benchmark；近年来 foundation model、diffusion policy、large-scale dataset 相关占比显著上升。CoRL 与 RSS、NeurIPS robot learning workshop 形成互补：CoRL 体量大、社区集中，适合作为算法能力年度快照。
产业团队可重点跟踪 best paper、oral 与 open-source release，识别即将进入产品 pipeline 的技术路线。
影响力证据
- 主题高度聚焦 learning + robotics
- RT-1/RT-2、Diffusion Policy 等影响力工作常发于此生态
- 2026 将于 Austin 举办
行业价值
| 维度 | 分析 |
|---|---|
| 技术筛子 | 定义「会学习的机器人」问题前沿 |
| 公共底座 | 开源 policy / dataset 文化强 |
| 生态接口 | 连接 DeepMind、Meta、Stanford、Berkeley 等 learning lab |
| 场景窗口 | 偏算法与 sim/real lab 验证 |
前提与边界
- 主覆盖大脑与小脑；本体常假设已有平台
- 规模小于 ICRA，但信号密度高
跟踪建议
必跟踪——具身智能/robot learning 首选会议。