今年，机器人方向唯一来自中国大陆机构的入选者

    本届TR35全球榜从550份全球提名中评出35位青年创新者，分设生物技术、人工智能、计算与机器人、气候与能源四个领域。罗剑岚是2026年度全球榜计算与机器人类别中唯一来自中国大陆机构的入选者，也是今年全榜仅有的两位任职于中国大陆机构的入选者之一。《麻省理工科技评论》"35岁以下科技创新35人"榜单创立于1999年。谷歌创始人拉里·佩奇、谢尔盖·布林，Meta创始人马克·扎克伯格等，都曾在职业生涯早期入选这一榜单。据历届公开榜单梳理，1999年设榜至今，尚未有以中国大陆机构为任职单位、凭机器人与具身智能研究入选全球榜的先例。这一次，坐标落在了上海。

    2025年，他曾入选MIT TR35中国区榜单；今年，进入全球35人名单。代表性工作包括谷歌和伯克利时期的SHIELD、SERL、HIL-SERL，以及回国后开展的LWD部署中学习与τ系列具身智能模型。从"中国区"到"全球榜"，不仅是榜单范围的变化，也是一条研究路线在中国继续向前推进。

从伯克利到上海：一直在研究同一个问题

    罗剑岚在加州大学伯克利分校获得博士学位，此后曾在Google X从事机器人研究，并在伯克利人工智能研究实验室（BAIR）开展博士后研究。十年来，他持续关注一个问题：怎样让机器人真正从真实世界的经验中学习？

    这条研究路线的起点，是他在Google期间开发的SHIELD——一套在真实工业装配任务上做大规模真机验证的强化学习系统。此后的SERL和HIL-SERL把这条路线进一步系统化：团队通过真实机器人上的在线强化学习，让机器人能够在较短时间内学会复杂操作任务。HIL-SERL相关成果发表于《Science Robotics》，系统完整开源，为真实机器人强化学习提供了一套可复现的技术框架。

    但让一台机器人学会一个任务，只是第一步。

    罗剑岚和团队开始把问题进一步向前推进：机器人能不能在实际部署过程中持续产生数据、持续学习，并越做越好？围绕这一问题，团队逐步形成了一条连续的技术路线——让"部署"本身成为学习的一部分。SOP框架探索可扩展的机器人在线后训练系统；LWD（Learning While Deploying）让机器人利用部署过程中产生的数据持续提升能力；τ0-WM世界模型和τ0-VLA具身智能模型则进一步把世界建模、基础模型与真实机器人行动连接起来。这些工作共同指向一个闭环：模型训练 → 真实部署 → 数据回流 → 持续学习 → 模型提升 → 再部署。

    罗剑岚认为，机器人真正重要的Scaling Law，存在于这样的真实世界闭环中——更多机器人进入真实环境，产生更多高质量交互数据；新的数据训练出更强模型，更强的模型又进入更多任务和场景。机器人不再只是"训练好了再去工作"，而是在工作中继续学习。这也是团队目前在创智持续推进的核心技术方向。

一条技术路线背后的平台支撑

    让机器人从单次实验走向长期、持续的真实世界学习，依靠的不只是算法，还需要机器人平台、算力、数据基础设施、工程系统和真实场景长期协同。在创智，这几个条件正在逐步齐备：一个连接科研与真实场景的平台。

    学院持续推动科研与产业场景连接，让真实问题、机器人平台和部署数据进入科研过程。团队与产业伙伴合作，已将强化学习系统部署进复杂工业场景，探索从数据采集、模型学习到部署验证的持续迭代。

一套面向大规模真机研究的基础设施。

    学院建设的算力、数据和机器人实验基础设施，为大规模模型训练、真机数据处理和长期机器人实验提供支撑，让机器人学习从单机、小规模实验逐步走向更大规模。

一支年轻、跨学科的科研队伍。

    学院汇聚80余位全职全时导师，并与31所共建高校合作，自主培养顶尖人才。机器人学习需要算法、系统、硬件、控制和工程等多种能力协同，不同背景的教师和学生在同一平台上共同工作，也为具身智能研究提供了跨学科合作基础。一年多来，团队围绕真实机器人学习、部署中持续学习和具身智能基础模型，推进了从算法研究到真机系统、再到真实场景验证的一整套工作。从真机强化学习，到部署中持续学习，再到具身智能基础模型，这条路线正在创智继续往前走。

    上海创智学院成立于2024年9月，初心是自主培养最顶尖的人工智能人才。学院笃行：从不可能到可能，从可能到价值，从价值到普惠。

    罗剑岚的轨迹，正是这条路径的缩影。一位在海外顶级实验室做到最前沿的年轻人，选择回国——不是回来"找一个位置"，而是"建一个体系"：把真机强化学习这项曾被认为"不可能"在真实世界稳定运行的技术，在产线上跑成"可能"的闭环；再把它沉淀为数据集、模型和标准，转化为"价值"；最终让更多机器人、更多场景用得上，走向"普惠"。

    入选TR35全球榜，是对已经走过的这段路的认可。而路还在往前走：让机器人不只是学会做事，更能在真实世界中越做越好。创智要做的，就是让这样的选择走得更顺：平台够高、底座够硬、场景够真、同伴够强，让成果真正落地、用得起来。

Innovators Under 35链接：https://www.technologyreview.com/innovator/jianlan-luo-faster-robot-learning-ai/?utm_source=tr_social-organic&utm_medium=tr_social&utm_campaign=social&utm_content=socialbp