孙鹏博士加盟星尘智能，强化机器人强化学习技术布局

近日，人工智能领域迎来重要人事变动。9月2日，前字节跳动强化学习专家、前腾讯Robotics X智能体中心负责人孙鹏博士正式加盟星尘智能，担任机器人强化学习方向的核心研发负责人。

孙鹏博士毕业于清华大学，先后在康奈尔大学和罗格斯大学从事博士后研究。他长期专注于强化学习（RL）、智能体（Agent）及多智能体强化学习（MARL）的研究与实践，在机器人控制、复杂博弈系统以及大模型后训练等领域拥有丰富的技术积累和产业经验。

早期在腾讯AI Lab及Robotics X期间，孙鹏曾主导开发基于深度强化学习的轮式机器人控制系统，实现端到端主动目标跟随功能。他还研发了《星际争霸》AI智能体TStarBots、TStarBotX，在多智能体强化学习（MARL）复杂博弈环境研究中取得重要成果。

加入字节跳动后，孙鹏将其技术实践从算法研究拓展至大规模强化学习系统工程。他主导开发了核心强化学习基础设施ByteRL，支撑多款自研游戏AI高效训练。其团队曾夺得IEEE CoG 2023策略卡牌AI竞赛冠军，研发的《炉石传说》AI具备击败行业顶尖选手的竞技水平。

随着大语言模型技术快速发展，孙鹏将多年深耕的强化学习技术积累延伸至大模型后训练领域。在字节AI Lab/ByteResearch期间，他以项目负责人身份主导研发并落地强化微调方法ReFT（Reinforced Fine-Tuning）及数学推理智能体DeltaProver；在Seed团队深度参与模型预训练及RLHF对齐工作，在模型对齐、推理能力增强、智能体Agent研发等前沿方向积累了扎实的技术基础。

此次孙鹏加入星尘智能，正值具身智能技术从实验室走向真实部署的关键节点。过去行业主要通过仿真榜单验证模型能力，但当机器人走出实验室进入真实环境，评判标准正从"能不能做任务"切换为"能不能稳定反复做好"。真实环境的长尾干扰、长时间自主决策的鲁棒性、故障异常恢复能力，成为决定商业价值的关键因素。

一个被广泛认可的认知正在成为共识：模仿学习解决"怎么做"，强化学习解决"做错了怎么改"。当任务成功率推进到60%以后，继续优化动作复现的边际贡献急剧递减，真正的瓶颈在于开放环境下的自适应与纠偏能力。强化学习后训练，正是在这个节点上成为具身智能不可绕开的核心环节。

星尘智能自成立以来就坚持"Design for AI"理念，认为机器人身体、数据与AI模型不应被割裂设计。这一思路逐步演变为一套完整的技术闭环：基座模型Lumo系列负责机器人对环境与动作的理解、预测和生成；前端Agent Philia承担长期记忆、任务管理、多机器人协同与自然交互等面向用户的智能化能力；而强化学习则连接模型能力和真实部署，解决机器人在真实环境中持续学习、优化行为策略的问题。

孙鹏博士表示："过去十多年，我一直在做强化学习和智能体，亲历了强化学习从机器人控制、复杂博弈走向大模型后训练的过程。这套逻辑在数字世界里被验证了，现在我想把这些积累带回物理世界。星尘智能已经具备从机器人本体、具身OS到AI模型的完整技术基础，接下来我们要做的，是一起把强化学习真正融入真实机器人的训练与部署，让机器人不只是‘学会一个任务’，而是能够在一次次真实执行和反馈中，把任务越做越好。"

业内人士分析，孙鹏的加入将显著提升星尘智能在机器人强化学习方向的技术实力，并推动相关技术能力的提升和应用部署。公司计划继续扩充机器人强化学习团队，进一步完善其全栈技术体系建设。