Pete Florence
Home > People > Pete Florence
Profile
| 항목 | 내용 |
|---|---|
| 현직 | Physical Intelligence 공동창업자 |
| 이전 | Google DeepMind Research Scientist |
| PhD | MIT |
| 지도교수 | Russ Tedrake |
핵심 기여
- Dense Object Nets: 물체의 dense visual descriptors 학습
- Implicit Representations for Robotics: NeRF 등을 로봇에 적용
- Physical Intelligence 창업: π0 개발 참여
- Google Robotics 연구: 시각 표현 학습 연구
Research Timeline
MIT PhD (2014-2019)
Russ Tedrake 지도
| Year | Work | Impact |
|---|---|---|
| 2018 | Dense Object Nets | Dense visual descriptors |
| 2019 | PhD 졸업 |
Google Brain / DeepMind (2019-2024)
시각 표현 + 로봇 학습
| Year | Work | Impact |
|---|---|---|
| 2019 | Google 입사 | Google Brain Robotics |
| 2020 | Implicit Representations | NeRF + Robotics |
| 2021 | Transporter Networks 관련 | 물체 재배치 |
| 2022 | 시각 표현 연구 지속 |
Physical Intelligence (2024-present)
| Year | Work | Impact |
|---|---|---|
| 2024 | Physical Intelligence 공동창업 | |
| 2024 | π0 개발 참여 |
Major Publications
Dense Descriptors
- Dense Object Nets (CoRL 2018) - 가장 영향력 있는 논문
- Self-Supervised Correspondence (2019)
Implicit Representations
- NeRF for Manipulation (2021)
- Implicit Behavioral Cloning (2021)
Language + Vision + Action
- CLIPort 관련 연구
- Language-conditioned manipulation
Key Ideas
Dense Object Nets (2018)
핵심: 물체의 모든 픽셀에 대해 일관된 descriptor 학습
특징:
- 시점 변화에 불변
- 물체 인스턴스 간 대응
- Self-supervised 학습
응용:
- 로봇 grasping
- 물체 재배치
- 조작 태스크영향:
- 로봇 시각 표현 학습의 핵심 연구
- Transporter Networks 등에 영향
- Dense correspondence의 로봇 적용
Implicit Representations for Robotics
핵심: NeRF 등 implicit 표현을 로봇 조작에 활용
장점:
- 연속적인 3D 표현
- 시점 합성 가능
- 물리적 상호작용 예측Philosophy & Direction
연구 철학
“좋은 시각 표현이 로봇 학습의 핵심. 무엇을 보는지가 무엇을 할 수 있는지를 결정한다.”
연구 방향 변화
- 2014-2019: Dense visual descriptors, self-supervised learning
- 2019-2022: Implicit representations, NeRF + robotics
- 2022-2024: Language-conditioned manipulation
- 2024-현재: Foundation models, Physical Intelligence
MIT → Google → Physical Intelligence
MIT 경험
- Russ Tedrake (로봇 제어 대가) 지도
- Drake 시뮬레이터 경험
- 이론 + 실제 로봇 결합
Google 경험
- 대규모 연구 인프라
- RT 시리즈 동료들과 협업
- Foundation model 경험
Physical Intelligence 창업
- 학술 연구 → 실제 제품화
- 동료들과 함께 창업