星尘智能｜前字节强化学习专家孙鹏加盟，负责机器人强化学习

机器人从展会Demo走向产线与门店，瓶颈常从「会不会动一下」变成「做错一次之后能不能自己改」。9月2日，星尘智能方面确认，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，将重点负责机器人强化学习方向的技术研发与应用探索，并继续扩充相关团队。

星尘智能是聚焦具身智能与绳驱机器人本体的公司，公开叙事强调「Design for AI」：身体、数据与模型不应被割裂设计，并逐步形成基座模型、前端Agent与强化学习后训练协同的技术闭环。孙鹏的加入，被定位为补齐「真机反馈驱动策略进化」这一环——过去两年行业主要在解决「会不会」，商业化阶段比拼「稳不稳」。

履历与职责要点：

1. 学术与早期产业：清华大学背景，康奈尔、罗格斯博士后；腾讯AI Lab与Robotics X期间负责智能体中心，参与轮式机器人端到端跟随及《星际争霸》相关智能体
2. 字节阶段：主导ByteRL等大规模强化学习基础设施，支撑游戏AI训练；并参与大模型强化微调、数学推理智能体等工作
3. 新职责：负责机器人强化学习技术研发与应用，扩充团队，与具身模型、具身OS、绳驱本体形成协同
4. 公开表态口径：希望把数字世界已验证的RL积累带回物理世界，让机器人在一次次真实执行中把任务越做越好

所谓机器人强化学习后训练，白话是让策略在真实接触力、摩擦与失败里继续学，而不是只在仿真里刷分；所谓全栈协同，白话是本体、操作系统与模型不能各做各的。数字世界的RL已经被游戏与LLM后训练反复验证；物理世界多了接触不确定性、安全约束与数据获取成本，难度更高，也更决定交付能不能签长单。

放在人才竞争上下文里，行业抢人正从视觉与VLA扩展到能扛分布式RL与真机闭环的人。对客户，团队补齐后要看故障恢复、任务泛化与连续运行是否可合同化；对同行，则是「有没有人能把RL从游戏与LLM后训练搬到物理世界」的对照。需要把边界读清楚：人事变动以公司确认口径为准；具体产品节点仍待后续发布。下一观察点是真机数据闭环规模与工业场景连续运行指标。