首页/新闻资讯/正文详情

刚刚!前字节Seed 腾讯RL核心负责人离职,加入某具身独角兽。

发布时间:2026/9/24 17:13:04 来源:云帆数科 栏目:资讯中心
刚刚!前字节Seed  腾讯RL核心负责人离职,加入某具身独角兽。
今日具身智能之心获悉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入星尘智能将重点负责机器人强化学习方向的研发与应用。看履历这是互联网大厂到具身公司的一次重磅引进。也是星尘这家公司的在当下阶段的部署和商业化需求。2025年4月星尘智能发布DuoCore端到端VLA主打快慢系统、随机应变7月把绳驱本体、全身遥操作和 DuoCore-WB 策略放进同一套机器人学习系统 Astribot Suite。12月基座模型Lumo-1开始聚焦强推理到动作生成。2026年7月第二代基座Lumo-2迭代为隐空间的世界动作模型WAM先预测未来再生成动作。同时也推出能长期记忆、多任务管理、多机器人协同的 Agent Philia。前端Agent、本体数据、基座模型Lumo到商用模型DuoCore星尘已经逐步在上真机。现在发力的正是机器人根据真实执行结果继续学习的能力强化学习后训练。原文链接刚刚前字节Seed 腾讯RL核心负责人离职加入某具身独角兽。01 虽在互联网过去十多年一直是在让智能体从反馈里变强孙鹏的研究经历横跨机器人、游戏AI和大模型但始终围绕同一个核心命题展开。2016年至2020年他在腾讯 AI Lab 和 Robotics X 工作曾任智能体中心负责人。期间参与的 TStarBots、TStarBot-X 和 TLeague研究的是《星际争霸II》完整对局里的多智能体学习、自博弈和大规模分布式训练。他也参与过基于强化学习的主动目标跟随让轮式机器人在真实环境里根据视觉反馈持续调整行为。到了字节跳动这条线从算法进一步延伸到系统工程。据孙鹏个人主页他从2020年12月至2026年7月先后在字节游戏 AI、AI Lab/ByteResearch 和 Seed 工作。其研究覆盖大规模强化学习系统、策略卡牌 AI以及大模型强化学习。公开论文 ReFT 中团队先用监督微调给模型打底再通过在线 PPO 从多条推理路径和答案奖励里继续学习。孙鹏是这篇 ACL 2024 论文的通讯作者之一。虽然业务跨度大但你能发现他长期在做同一件事。给智能体一个环境让它行动拿到结果再把结果变成下一轮策略更新的依据。只不过游戏里的输赢和数学题的正确答案相对清晰。机器人进入物理世界以后奖励更模糊动作成本更高犯错还可能撞到人、损坏物体或磨损本体。所以大模型后训练的经验可以迁移但绝不能直接复制。真正有价值的是孙鹏在奖励设计、稳定训练、分布式 RL 基础设施和 Agent 上积累的整套方法。星尘这次大概率也是准备把大模型验证好的这一套系统能力拿到物理AI来用。02 绳驱能做更复杂的操作更需要RL来提升任务准确率和稳定性RL 做 post-training本身不是新鲜事。星尘这次让我们觉得有意思的是它和绳驱路线关系很紧。两次大会都去现场看过他们要做的是把本体、数据、模型和 Agent 放进同一套真机系统。这时候绳驱的特点就变得很关键。绳驱像人的肌腱用绳索传递驱动力。好处是关节可以更轻末端响应更快也更容易做柔顺接触和细腻力控。对家庭、商用服务、近人操作这些场景来说这类身体天然更有想象空间。代价也比较清晰。绳索会有弹性、摩擦、张力耦合和长期磨损。换一个负载、换一个温度、用久一点策略面对的本体状态都可能发生变化。杯子滑了一点、抓取角度偏了一点、末端力多了一点放到长任务里就会一路放大。而且绳驱本体越有自己的动力学特性特别擅长高动态、灵巧操作完全可以通过后训练把任务成功率和稳定性快速优化起来。这条反馈闭环此刻就显得很重要。这次孙鹏加入后要补的大概率不是某个单点算法而是一套后训练基础设施。03 全栈能力各家都在收紧了看整个行业的话当下各家都在收紧部署方案技术上已经基本达成共识了。星尘的方案一直是小众且很难的。对他们来说走的是一条少数人才“敢走”的路。之前星尘的佳楠老师基座模型负责人VP带领团队研发了强推理模型Lumo-1、首个家庭隐式世界动作模型Lumo-2、物理AI共生Agent Philia。这次孙博带来的则是另一环。因为机器人真正的学习发生在部署以后。如何进一步与真实机器人执行、数据闭环和长期部署结合把这些反馈变成训练数据让模型在一次次真实执行和反馈中把任务越做越好大概率会是他后面要重点突破的。重磅全网首个具身智能开源知识库来啦技术/产业/投融资/上下游推荐阅读真机强化入门的一套完整教程pi*0.6复现方案我们用低成本的机械臂完成pi0/pi0.5/GR00T/世界模型等VLA任务具身智能的WAM与世界模型一份完整指南一览具身智能的行业全局从产品经理的角度出发VLARL方向首个系统教程来啦Online RL/Offline RL/test time RL等好用高性价比面向具身科研领域打造的轻量级机械臂VLA/VLA触觉/VLARL/具身世界模型等具身大脑小脑算法与实战全栈路线来啦~从零训练你的足式机器人让你的足式机器人真正动起来~1v1 科研论文辅导来啦重磅具身智能之心论文辅导来啦近20方向顶会/顶刊/SCI/EI/中文核心/申博等

相关推荐

pint:Python物理单位计算系统
pint:Python物理单位计算系统

文章目录简介单位和物理量*格式化输出简介 pint是Python的物理单位计算系统,通过指定量纲,避免因单位混淆导致的计算错误。支持pip和conda安装。 pip install pint -i https://pypi.tuna.tsinghua.edu.cn/simple conda install -c conda-forge pint单… · 2026/9/24 17:13:04

算法知识——快速幂算法详解与实战
算法知识——快速幂算法详解与实战

📅 中大厂面试算法每日推荐 根据最新的中大厂面试数据分析,我为您整理了一份系统化的算法面试备考指南。以下是今日推荐及后续学习计划。 🔥 今日推荐算法:快速幂算法 算法概述 快速幂是中大厂面试中出现频率最高的数学类算法之… · 2026/9/24 17:13:04

银河麒麟 V10 服务开机起不来?unit 文件照抄 + 五步定位,203 报错一次解决
银河麒麟 V10 服务开机起不来?unit 文件照抄 + 五步定位,203 报错一次解决

自己写的服务交给 systemd 管,一启动就给你这么一行: Job for myapp.service failed because the control process exited with error code. See "systemctl status myapp.service" and "journalctl -xe" for details.点开 status 看… · 2026/9/24 17:12:58

开工才发现缺料,BOM、库存、采购怎么串起来?物料齐套系统选型
开工才发现缺料,BOM、库存、采购怎么串起来?物料齐套系统选型

制造业里最让人头疼的场面之一,就是工单已经下发了、工人已经到位了,开工才发现——缺料。A料库存不够,B料采购还没到,C料在仓库里但没人知道在哪。生产计划被迫中断,交期一拖再拖。 这个问题的根源,不是库… · 2026/9/24 17:52:58

设备不会说话:一天里的七层证据
设备不会说话:一天里的七层证据

设备不会说话:一天里的七层证据标签:有限状态机、互斥租约、生产者-消费者、内存池、构建指纹、软限位、图像显示链路、统计基线、git 语义 引言:设备不会说话。它不会告诉你"我现在很忙",也不会解释"刚才那次为什… · 2026/9/24 17:52:58

毕业设计说明书和毕业论文:图纸说明先落在谁那里,改一次要回头动几处
毕业设计说明书和毕业论文:图纸说明先落在谁那里,改一次要回头动几处

说明书与论文这两份文本的分工,不看你把哪段写进哪一本,而看这一处内容改一次要连带动几份。图纸说明大多两条船都踩:动一处就得回头核另一处。文末两项能力可以免费用起来:一项先把章节骨架整段搭起来,一项把图表公式… · 2026/9/24 17:52:58

什么?我就想写个Markdown,还要收费?推荐一款免费好用的md笔记软件
什么?我就想写个Markdown,还要收费?推荐一款免费好用的md笔记软件

不知道大家有没有和我一样的感受: 本来只是想安安静静写点笔记、记录技术文档、整理学习心得,结果打开常用的Markdown编辑器,弹窗提示激活、付费、解锁完整功能。 瞬间写作的好心情直接归零。 一直以来,大家最常用的 Typora 凭… · 2026/9/24 17:52:58

STM32F103的流水灯点亮版本1(寄存器地址操作)
STM32F103的流水灯点亮版本1(寄存器地址操作)

一、STM32F103C8T6 最小系统核心板介绍 STM32F103C8T6 是 ST 意法半导体推出的Cortex‑M3 内核 32 位高性能单片机,LQFP‑48 封装,是学生嵌入式学习最常用的最小系统核心板。 (一)核心参数 (1)内核&#… · 2026/9/24 17:52:58

OpenVLA论文阅读
OpenVLA论文阅读

首先是VLA模型的架构,:1、视觉编码器Dinov2、SigLIP,通过MLP(视觉投影层,多层全连接层组成的基础神经网络)与LLM进行连接,将视觉特征直接转换为token embedding 向量输入大语言模型中。为什么要… · 2026/9/24 17:52:51

基于YOLOv8的渔船作业监控系统:从环境搭建到边缘部署全流程
基于YOLOv8的渔船作业监控系统:从环境搭建到边缘部署全流程

简介:这是一套面向计算机、人工智能、自动化等专业学生与教师的毕业设计级项目资源,围绕YOLOv8实现渔船作业监控系统,可用于毕设、课程设计、大作业或项目立项演示。压缩包共97个文件,约24.21MB,以70个Python源码文件为… · 2026/9/24 0:00:13

1D-CNN时间序列建模实战:从Conv1d原理到工业落地
1D-CNN时间序列建模实战:从Conv1d原理到工业落地

简介:面向时间序列数据建模的一维卷积神经网络完整实现,适合深度学习入门者及需要快速验证时序模型的研究者,能够从音频、文本、传感器或股价等序列中挖掘局部特征与时间依赖。压缩包体积很小,只有3KB,内含3个Python脚… · 2026/9/24 0:00:26

柔软的L:汉语语流中被忽视的舌肌张力控制
柔软的L:汉语语流中被忽视的舌肌张力控制

1. 这个“L”不是字母表里的L,而是舌尖上的L最近在几个方言群和语音教学社群里,反复看到有人发一句:“也说字母L:柔软的长舌”。初看以为是英语发音课笔记,点开才发现全是方言爱好者、播音系学生、语言康复师甚至戏曲演… · 2026/9/24 0:00:44

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码