Chelsea Finn
Home > People > Chelsea Finn
Profile
| 항목 | 내용 |
|---|---|
| 현직 | Stanford University 조교수 |
| 연구실 | IRIS Lab (Intelligence through Robotic Interaction at Scale) |
| 회사 | Physical Intelligence 공동창업자 |
| PhD | UC Berkeley (Advisor: Sergey Levine, Pieter Abbeel) |
| 학력 | MIT 학부 (EECS) |
핵심 기여
- Meta-Learning 선구자: MAML로 few-shot learning의 새 패러다임 제시
- ACT & ALOHA: 저비용 양팔 조작 시스템과 학습 알고리즘으로 로봇 학습 민주화
- Physical Intelligence 창업: 범용 로봇 AI 회사 공동창업
- Robot Learning from Humans: 인간 시연 기반 로봇 학습 연구의 핵심 인물
Research Timeline
PhD & Early Career (2013-2018)
UC Berkeley - Sergey Levine, Pieter Abbeel 지도
| Year | Work | Impact |
|---|---|---|
| 2016 | End-to-End Training of Deep Visuomotor Policies | 이미지→액션 end-to-end 학습 |
| 2017 | MAML (Model-Agnostic Meta-Learning) | Few-shot learning 혁신, 10,000+ 인용 |
| 2017 | One-Shot Visual Imitation Learning | 한 번 보고 따라하기 |
| 2018 | Meta-Learning for Robot Learning | 로봇에 meta-learning 적용 |
Stanford Professor (2019-present)
IRIS Lab 설립
| Year | Work | Impact |
|---|---|---|
| 2019 | IRIS Lab 설립 | 대규모 로봇-인간 상호작용 연구 |
| 2021 | Offline RL 연구 | 오프라인 데이터로 로봇 학습 |
| 2023 | ACT (Action Chunking with Transformers) | 10분 시연으로 정밀 조작 |
| 2023 | ALOHA | $20K 저비용 양팔 시스템 |
| 2023 | Mobile ALOHA | 이동형 양팔 로봇 |
Physical Intelligence (2024-present)
Physical Intelligence 공동창업, π0 개발 참여
Major Publications
Meta-Learning
- MAML (ICML 2017) - 가장 영향력 있는 논문
- Probabilistic MAML (NeurIPS 2018)
- Meta-Learning without Memorization (NeurIPS 2020)
Robot Learning
- ACT (RSS 2023) - ALOHA와 함께 발표
- Learning from Play (CoRL 2019)
- RoboNet (CoRL 2019)
Imitation Learning
- One-Shot Imitation Learning (NIPS 2017)
- Learning to Learn with Compound HD Models (ICML 2019)
Key Ideas
MAML (2017)
핵심: 새로운 태스크에 몇 번의 gradient step만으로 빠르게 적응하는 초기 파라미터 학습
θ* = θ - α∇θL(fθ') where θ' = θ - β∇θL(fθ)영향:
- Few-shot learning의 표준 방법론
- 로봇, NLP, 컴퓨터 비전 전반에 적용
- 10,000+ 인용
ACT & ALOHA (2023)
- Action Chunking: 단일 액션 대신 액션 시퀀스 예측
- 저비용 하드웨어: 연구실에서 재현 가능한 $20K 시스템
- LeRobot 기본 모델: 오픈소스 생태계 영향
Philosophy & Direction
연구 철학
“로봇이 실제 세계에서 일반화하려면, 대규모 다양한 경험이 필요하다”
연구 방향 변화
- 2013-2017: Deep RL, end-to-end learning
- 2017-2020: Meta-learning, few-shot adaptation
- 2020-2023: Imitation learning, offline RL
- 2023-현재: Large-scale robot learning, foundation models
Awards & Recognition
- MIT Technology Review 35 Under 35 (2019)
- NSF CAREER Award
- Sloan Research Fellowship
- ONR Young Investigator Award
- ACM Doctoral Dissertation Award Honorable Mention