Pieter Abbeel
Home > People > Pieter Abbeel
Profile
| 항목 | 내용 |
|---|---|
| 현직 | UC Berkeley 교수 |
| 회사 | Covariant 공동창업자 & Chief Scientist |
| 이전 | OpenAI 연구 과학자 (2016-2017) |
| PhD | Stanford University (Advisor: Andrew Ng) |
| 국적 | 벨기에 |
핵심 기여
- 로봇 강화학습 선구자: 실제 로봇에서 동작하는 RL 연구의 초기 개척자
- Inverse Reinforcement Learning: 시연에서 보상 함수 학습
- Covariant 창업: AI 기반 로봇 피킹 회사, $2B+ 가치
- OpenAI 초기 멤버: 초기 로봇 연구 주도
- 다수의 영향력 있는 제자 배출: Chelsea Finn, Sergey Levine 등
Research Timeline
PhD & Early Career (2004-2010)
Stanford - Andrew Ng 지도
| Year | Work | Impact |
|---|---|---|
| 2004 | Apprenticeship Learning via IRL | Inverse RL 초기 연구 |
| 2007 | Autonomous Helicopter Flight | 실제 로봇 RL 시연 |
| 2008 | UC Berkeley 교수 부임 | BAIR 설립 참여 |
UC Berkeley Professor (2008-present)
BAIR (Berkeley AI Research) 핵심 멤버
| Year | Work | Impact |
|---|---|---|
| 2010 | Learning from Demonstrations | 시연 기반 학습 정립 |
| 2013 | Deep RL for Robotics | 딥러닝 + 로봇 RL |
| 2015 | TRPO | Policy gradient 안정화 |
| 2016 | Benchmarking Deep RL | RL 벤치마크 정립 |
OpenAI (2016-2017)
OpenAI 초기 로봇 연구
| Year | Work | Impact |
|---|---|---|
| 2016 | OpenAI Gym | RL 표준 환경 |
| 2017 | One-Shot Imitation Learning | Few-shot 로봇 학습 |
| 2017 | Domain Randomization | Sim-to-Real 핵심 기법 |
Covariant (2017-present)
AI 로봇 피킹 회사 창업
| Year | Work | Impact |
|---|---|---|
| 2017 | Covariant 창업 | AI 기반 물류 로봇 |
| 2020 | Covariant Brain | 범용 로봇 AI 플랫폼 |
| 2023 | RFM-1 | Robotics Foundation Model |
| 2024 | $2B+ 가치 평가 | 로봇 AI 스타트업 선두 |
Major Publications
Inverse Reinforcement Learning
- Apprenticeship Learning via IRL (ICML 2004) - IRL 초기 연구
- Maximum Entropy IRL (AAAI 2008)
Deep Reinforcement Learning
- TRPO (Trust Region Policy Optimization, 2015)
- GAE (Generalized Advantage Estimation, 2016)
- Benchmarking Deep RL (2016)
Robotics
- Autonomous Helicopter Aerobatics (2010)
- Learning Dexterous Manipulation (2018)
- Domain Randomization for Sim-to-Real (2017)
Key Ideas
Inverse Reinforcement Learning (2004)
핵심: 전문가 시연에서 보상 함수 R을 학습
기존 RL: R → π (보상 → 정책)
IRL: π* → R (전문가 정책 → 보상 추론)영향:
- 로봇이 “왜” 그렇게 행동하는지 학습
- Imitation learning의 이론적 기반
Domain Randomization (2017)
핵심: 시뮬레이션에서 물리/시각 파라미터를 랜덤하게 변화시켜 학습
시뮬레이션 (다양한 조건) → 실제 로봇 (zero-shot transfer)영향:
- Sim-to-Real의 핵심 기법
- 현재 대부분의 로봇 시뮬레이션 학습에서 사용
Covariant & RFM-1
Covariant (2017-)
- 미션: 범용 로봇 AI
- 제품: AI 기반 물류 피킹 로봇
- 고객: DHL, ABB, Knapp 등
- 가치: $2B+ (2024)
RFM-1 (2023)
- Robotics Foundation Model
- 다양한 물체, 환경에서 일반화
- 실제 물류 환경 배포
Philosophy & Direction
연구 철학
“로봇이 인간처럼 학습하려면, 인간이 배우는 방식을 이해해야 한다”
연구 방향 변화
- 2004-2010: Inverse RL, learning from demonstrations
- 2010-2015: Deep RL fundamentals
- 2015-2017: Policy optimization (TRPO, GAE)
- 2017-현재: 실용적 로봇 AI, foundation models
Students & Mentees
Pieter Abbeel 연구실 출신/협력:
- Chelsea Finn (Stanford 교수)
- Sergey Levine (UC Berkeley 교수)
- Rocky Duan (Covariant)
- John Schulman (OpenAI, PPO 개발자)
- 다수의 RL/로봇 연구자
Awards & Recognition
- ACM Prize in Computing (2021)
- IEEE RAS Early Career Award
- IJCAI Computers and Thought Award
- Sloan Research Fellowship
- TR35 (MIT Technology Review 35 Under 35)