前字节强化学习专家孙鹏博士加盟星尘智能，完善Physical AI全栈技术布局
内容提要
前字节跳动强化学习专家孙鹏博博士加入星尘智能，负责机器人强化学习研发，将强化其全栈体系，推动机器人在真实环境中持续学习与部署，实现从Demo到稳定商业化的突破。
延伸解读
强化学习为何重回具身智能中心
文章指出，过去两年机器人基础模型主要解决“会不会”，而随着机器人从Demo走向真实部署，问题转向“能不能稳定做好”。强化学习能让机器人根据真实执行结果持续修正策略，因此重新成为行业关注焦点。孙鹏的加入正是为了强化这一环节，推动机器人在真实环境中持续学习与部署。
孙鹏的技术路径与星尘智能的协同
孙鹏的履历覆盖机器人强化学习、大规模RL系统及大模型后训练，与星尘智能的“AI模型+具身OS+绳驱本体”全栈体系高度契合。他曾在腾讯开发《星际争霸》AI，在字节主导ByteRL基础设施，并参与大模型RLHF与强化微调，这些经验将助力星尘智能将大模型时代的RL后训练方法应用于真实机器人执行与数据闭环。
从Demo到稳定商业化的关键挑战
文章强调，机器人从演示到商业化部署的核心挑战在于稳定性和持续优化。孙鹏的加入旨在解决“训练之后”的问题，即如何让机器人在真实世界中通过交互反馈不断改进策略。这不仅是技术问题，也涉及数据闭环和长期部署，星尘智能的Lumo系列基座模型和Philia Agent已为此奠定基础。
Q&A
孙鹏博士在加入星尘智能之前有哪些主要经历？
孙鹏博士毕业于清华大学，曾在康奈尔大学和罗格斯大学从事博士后研究。他曾在腾讯AI Lab及Robotics X实验室担任智能体中心负责人，研发了《星际争霸》AI智能体TStarBots等。在字节跳动期间，他主导开发了强化学习基础设施ByteRL，并参与了ReFT等大模型后训练研究。
孙鹏加入星尘智能后将主要负责什么工作？
孙鹏将重点负责机器人强化学习方向的技术研发与应用探索，并扩充机器人强化学习团队，推动相关技术能力提升和应用部署。
为什么强化学习在机器人领域重新受到关注？
过去两年机器人基础模型主要解决“会不会”的问题，但随着机器人从Demo走向真实部署和商业化，问题转向“能不能稳定做好”，需要机器人根据真实执行结果持续修正策略，因此强化学习重新回到行业关注的中心。
星尘智能的全栈技术体系包括哪些部分？
星尘智能的全栈技术体系包括AI模型、具身OS和绳驱机器人本体，具体包括基座模型Lumo系列、前端共生Agent Philia，以及强化学习后训练环节。
孙鹏在字节跳动期间有哪些技术成果？
孙鹏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的高效训练；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展现出击败行业顶尖选手的水平。此外，他还参与了ReFT和DeltaProver等项目。
孙鹏的加入对星尘智能有何意义？
孙鹏的加入将强化星尘智能在机器人强化学习方向的布局，并与AI模型、具身OS和绳驱机器人本体形成协同，推动机器人在真实世界中持续学习、不断进化，是夯实机器人模型“训练之后”的关键一环。
孙鹏在强化学习领域的研究路径是怎样的？
孙鹏的研究路径从机器人强化学习拓展至大规模RL系统，再到大模型后训练，始终围绕如何让智能体通过环境交互与反馈不断学习并优化策略。
