字节前强化学习专家孙鹏加盟星尘智能，加码机器人强化学习后训练

本文来源：时代周报

9月2日，字节跳动前强化学习专家、腾讯Robotics X智能体中⼼前负责⼈孙鹏正式加入星尘智能，将重点负责机器人强化学习方向的技术研发与应用探索。

孙鹏长期深耕强化学习（RL）、智能体（Agent）及多智能体强化学习（MARL），拥有横跨机器人强化学习、大规模分布式 RL 系统与大模型强化学习的研究与产业实践经历。据了解，孙鹏加入星尘智能后，将继续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。

从成立之初，星尘智能就坚持Design for AI，认为机器人身体、数据与AI模型不应被割裂设计。过去几年，这套思路已经逐步形成覆盖基座模型和商用模型、前端共生Agent、强化学习后训练的完整闭环。

星尘智能的基座模型Lumo系列，持续推进机器人对环境与动作的理解、预测和生成，其中Lumo-1让机器人理解动作背后的“为什么”，Lumo-2作为首个家庭隐式世界动作模型，率先引入 Latent World Dynamics，在隐空间中先预测未来世界，再生成动作；前端的Agent Philia，面向长期记忆、任务管理、多机器人协同与自然交互；而强化学习作为基础模型走向规模化真实部署的重要环节，承担了机器人如何从真实环境中的持续交互与任务反馈中学习，并不断优化自身的行为策略的关键命题。