Agent 与工具

Sergey Levine

谢尔盖·列文

机器人控制 · 强化学习

Sergey Levine 是机器人与强化学习研究者，长期研究系统如何通过数据和交互学会复杂行为。他参与的代表工作包括端到端视觉运动策略、MAML 和视觉语言动作模型。

在视觉运动策略研究中，团队尝试把图像感知和动作控制放到同一个学习过程中，而不是先手工设计视觉特征，再单独搭建控制器。模型直接根据摄像头观察输出控制决策，让感知表示围绕任务共同调整。

这种方法对数据质量、试错方式和环境变化提出了很高要求。他后续参与的研究继续探索跨任务学习和大规模预训练知识如何进入机器人系统，使语言模型中的知识与物理环境里的可执行行为建立联系。