# Devendra Chaplot

> Devendra Singh Chaplot 是一位任职于 SpaceX 和 xAI 的人工智能研究员，专注于具身智能、机器人技术和大型语言模型。他曾是 Mistral AI 和 Thinking Machines Lab 创始团队的成员，并曾担任 Meta FAIR 的研究科学家。

- Canonical URL: https://iq.wiki/zh/wiki/devendra-chaplot
- Categories: People in crypto
- Tags: Developer, Founder, Researcher
- Created: 2026-03-14T14:22:49.142Z
- Last updated: 2026-07-24T21:05:46.736Z
- Source: IQ.wiki — the world's largest blockchain and crypto encyclopedia (https://iq.wiki)

---

**Devendra Singh Chaplot** 是一位人工智能研究员，专注于具身智能（Embodied AI）、机器人技术、深度强化学习和大型语言模型。截至 2026 年 3 月，他在 SpaceX 和 xAI 工作。他此前曾任职于 [Thinking Machines Lab](https://iq.wiki/wiki/thinking-machines-lab) 和 Mistral AI 的创始团队，并曾担任 Facebook AI Research（FAIR）的研究科学家。他的工作涵盖自主导航、多模态模型和模型训练基础设施。[\[1\]](#cite-id-SYErPc6nCGeIAcvA) [\[2\]](#cite-id-Kb4OsiUFw6OQqjgX) [\[3\]](#cite-id-NTkq2NrBy5NIXqld)&#x20;

## 教育背景

Chaplot 于 2014 年获得印度理工学院孟买分校（IIT Bombay）计算机科学与工程学士学位（荣誉学位），并辅修应用统计学与信息学。随后，他于 2017 年在卡内基梅隆大学获得语言技术硕士学位，并于 2021 年获得机器学习博士学位。[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[5\]](#cite-id-sSQ1AOlRUJuGlNqG) [\[6\]](#cite-id-ED5O61zEKLXouVlc)&#x20;

他的博士论文题为《构建智能自主导航代理》（Building Intelligent Autonomous Navigation Agents），探讨了使具身代理能够在陌生环境中进行感知、建图、规划和导航的方法。他的博士研究导师包括 Ruslan Salakhutdinov 和 Abhinav Gupta。[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[7\]](#cite-id-tm6uWmcafM8j9mKL)&#x20;

## 职业生涯

### 早期职业与 Meta AI

从印度理工学院孟买分校毕业后，Chaplot 于 2014 年 9 月至 2015 年 8 月在三星软件研发中心担任研究助理。2017 年 6 月至 8 月，他在苹果公司的特别项目组（Special Projects Group）完成了研究实习。[\[5\]](#cite-id-sSQ1AOlRUJuGlNqG)&#x20;

2018 年 5 月至 2020 年 12 月，Chaplot 在 Facebook AI Research 担任研究实习生和学生研究员。他于 2021 年 4 月以研究科学家的身份回归，并在 Meta AI 工作至 2023 年 8 月，从事计算机视觉、机器人技术和具身人工智能方面的研究。[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[5\]](#cite-id-sSQ1AOlRUJuGlNqG)&#x20;

### Mistral AI

2023 年 8 月，Chaplot 加入 Mistral AI 担任研究科学家，并成为其创始团队成员。他表示自己参与了 Mistral 7B、Mixtral 8x7B 和 Mistral Large 的训练工作，领导了 Pixtral 12B 和 Pixtral Large 背后的多模态团队，并建立并领导了该公司的帕洛阿尔托（Palo Alto）办公室。[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[5\]](#cite-id-sSQ1AOlRUJuGlNqG)&#x20;

Mistral AI 分别于 2024 年 9 月和 2024 年 11 月发布了 Pixtral 12B 和 Pixtral Large。[\[8\]](#cite-id-XbZEbdxnomumtoen) [\[9\]](#cite-id-ed30D4zq10Y89Jnn)&#x20;

### Thinking Machines Lab

2025 年 2 月，Chaplot 加入了 [Thinking Machines Lab](https://iq.wiki/wiki/thinking-machines-lab) 的创始团队，负责研究和产品开发工作。他协助开发了 Tinker，这是一个允许研究人员和开发人员微调语言模型的 API，而 Thinking Machines 则负责管理底层的训练基础设施。[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[10\]](#cite-id-tTYkglJ2cA3Ht0GN)&#x20;

2026 年 3 月，Chaplot 宣布离开 [Thinking Machines Lab](https://iq.wiki/wiki/thinking-machines-lab) 加入 SpaceX 和 xAI。[\[1\]](#cite-id-SYErPc6nCGeIAcvA) [\[2\]](#cite-id-Kb4OsiUFw6OQqjgX) [\[3\]](#cite-id-NTkq2NrBy5NIXqld)&#x20;

### SpaceX 和 xAI

2026 年 3 月，Chaplot 宣布加入 SpaceX 和 xAI，致力于超级智能以及物理智能与数字智能之间联系的研究。在此之前，他曾在 Meta、Mistral AI 和 Thinking Machines Lab 从事具身智能、多模态模型和大规模模型训练系统的工作。[\[1\]](#cite-id-SYErPc6nCGeIAcvA) [\[3\]](#cite-id-NTkq2NrBy5NIXqld)&#x20;

### 主动神经 SLAM (Active Neural SLAM)

Chaplot 是《学习使用主动神经 SLAM 进行探索》（Learning to Explore Using Active Neural SLAM）一文的第一作者，该论文介绍了一种模块化导航架构，将学习到的建图和策略与分析路径规划相结合。该方法为 CVPR 2019 Habitat PointGoal 导航挑战赛的获胜项目做出了贡献。[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[11\]](#cite-id-uKjTmOxGXj2cgpND)&#x20;

### 目标导向导航 (Object-goal Navigation)

Chaplot 领导开发了“目标导向语义探索”（Goal-Oriented Semantic Exploration）系统，该系统可创建情节性语义地图，并利用学习到的语义关系在陌生环境中定位物体。该系统赢得了 CVPR 2020 Habitat ObjectNav 挑战赛，并成功从模拟环境转移到移动机器人上。[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[12\]](#cite-id-r0PlUviI0BaGuwlv)&#x20;

### Arnold Doom 代理

Chaplot 和 Guillaume Lample 开发了 Arnold，这是一个利用深度强化学习学会玩第一人称射击游戏《毁灭战士》（Doom）的自主代理。Arnold 结合了独立的导航和战斗组件，并利用游戏中的视觉观察进行竞争。该项目获得了 AAAI-17 最佳演示奖，随后的版本赢得了 2017 年视觉 Doom AI 竞赛的全死亡竞赛（Full Deathmatch）类别冠军。[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[14\]](#cite-id-BfoaFMduX2pEeBRl)&#x20;

## 奖项与荣誉

Chaplot 获得的奖项和研究荣誉包括：

* NeurIPS 2022 Habitat 重排挑战赛冠军
* CVPR 2020 Habitat ObjectNav 挑战赛冠军
* 2020 年 Facebook 计算机视觉奖学金
* NVIDIA 研究生奖学金（谢绝）
* 与 PyRobot 项目相关的 Facebook 研究奖
* CVPR 2019 Habitat 导航挑战赛 RGB 和 RGB-D 赛道冠军
* CVPR 2018 视觉 SLAM 深度学习研讨会最佳论文奖
* 2017 年视觉 Doom AI 竞赛全死亡竞赛类别第一名
* 因 Arnold 获得 AAAI-17 最佳演示奖

&#x20;[\[3\]](#cite-id-NTkq2NrBy5NIXqld) [\[5\]](#cite-id-sSQ1AOlRUJuGlNqG) [\[13\]](#cite-id-S8ctPdO61s6UU0ED) [\[14\]](#cite-id-BfoaFMduX2pEeBRl)&#x20;
