Agent 与工具

Chelsea Finn

切尔西·芬恩

MAML · 机器人学习

Chelsea Finn 是机器人与机器学习研究者，代表工作包括 MAML 和视觉运动策略学习。她研究机器人怎样从经验中学会新任务，以及如何减少每次更换任务都要重新收集大量数据的负担。

MAML 与 Pieter Abbeel、Sergey Levine 合作提出，训练目标不是只让模型擅长一个固定任务，而是让它经过少量梯度更新就能适应新任务。它把“学会如何快速适应”直接放进训练过程，而不只是训练完以后再尝试微调。

她还参与 RT-2 等视觉、语言与动作结合的研究，让互联网图文预训练获得的知识参与机器人控制。这将适应能力的问题进一步扩展到物理环境：模型不仅要回答怎么做，还要根据观察产生可以执行的动作。