前字节强化学习专家孙鹏博士加盟星尘智能
孙鹏博士加入星尘智能，负责机器人强化学习方向，完善Physical AI全栈技术布局。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
9月2日，前字节跳动强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身专家、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一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身方向的技术研发与应用探索。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，深耕强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身、智能体及多智能体强化学习领域，拥有机器人强化学习、大规模分布式RL系统与大模型用海量数据训练出来的超大规模 AI 程序，具备一定的理解和推理「常识」。ChatGPT 是语言大模型，机器人用的是能输出动作的大模型。◆ 小白科普 · 现身强化学习的研究与产业实践经历。在腾讯AI Lab及Robotics X期间，他曾开展深度强化学习与机器人控制研究；在字节跳动期间，主导开发了核心强化学习基础设施ByteRL，并参与强化微调方法ReFT及数学推理智能体DeltaProver的研究。
星尘智能表示，孙鹏的加入将强化其在机器人强化学习方向的布局，并与AI模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身、具身OS和绳驱用绳索（类似人的肌腱）牵引关节运动的技术。电机可以装在远处，机器人因此更轻、动作更柔顺，被人撞到也更安全。◆ 小白科普 · 现身机器人本体形成协同，推动机器人在真实世界中持续学习。他未来将参与星尘具身模型、机器人强化学习及后训练体系建设。