Sergey Levine
Home > People > Sergey Levine
Profile
| 항목 | 내용 |
|---|---|
| 현직 | UC Berkeley 부교수 |
| 연구실 | RAIL Lab (Robotic AI & Learning Lab) |
| 회사 | Physical Intelligence 공동창업자 |
| 이전 | Google Brain (2016-2021) |
| PhD | Stanford University |
핵심 기여
- RT 시리즈의 핵심 인물: RT-1, RT-2 개발에 참여, VLA 패러다임 정립
- 로봇 강화학습 선구자: 실제 로봇에서 동작하는 RL 방법론 개발
- Open X-Embodiment: 33개 연구실 협력 데이터셋 주도
- OpenVLA, Octo: 오픈소스 VLA 모델 개발
- Physical Intelligence 창업: 범용 로봇 AI 회사 공동창업
Research Timeline
PhD & Postdoc (2009-2016)
Stanford → UC Berkeley Postdoc
| Year | Work | Impact |
|---|---|---|
| 2013 | Guided Policy Search | Model-based RL의 초석 |
| 2015 | End-to-End Visuomotor Policies | 이미지→액션 직접 학습 |
| 2016 | Deep RL for Robotic Manipulation | 로봇 RL 실용화 |
Google Brain (2016-2021)
Google Robotics 연구
| Year | Work | Impact |
|---|---|---|
| 2017 | QT-Opt | 대규모 로봇 grasping |
| 2018 | Soft Actor-Critic (SAC) | 가장 많이 쓰이는 off-policy RL |
| 2020 | Offline RL Survey | 오프라인 RL 정립 |
| 2021 | Decision Transformer | RL을 sequence modeling으로 |
UC Berkeley + Google (2021-2024)
RT 시리즈, 오픈소스 VLA
| Year | Work | Impact |
|---|---|---|
| 2022 | RT-1 | 첫 대규모 Robotics Transformer |
| 2023 | RT-2 | 첫 VLA, Action as Language |
| 2023 | RT-X | Open X-Embodiment, 33개 연구실 협력 |
| 2024 | Octo | 93M 오픈소스 generalist policy |
| 2024 | OpenVLA | 7B 오픈소스 VLA |
Physical Intelligence (2024-present)
Physical Intelligence 공동창업, π0 개발
Major Publications
Reinforcement Learning
- SAC (Soft Actor-Critic) - 가장 널리 쓰이는 off-policy RL
- CQL (Conservative Q-Learning) - Offline RL 핵심 방법
- Decision Transformer - RL as sequence modeling
- Offline RL Tutorial - 분야 정립
Robot Learning
- RT-1 (2022) - Robotics Transformer
- RT-2 (2023) - Vision-Language-Action
- RT-X (2023) - Open X-Embodiment
- Octo (2024) - 오픈소스 generalist policy
- OpenVLA (2024) - 7B 오픈소스 VLA
End-to-End Learning
- End-to-End Training of Deep Visuomotor Policies (2016)
- QT-Opt (2018) - 대규모 로봇 grasping
Key Ideas
SAC (Soft Actor-Critic, 2018)
핵심: Maximum entropy RL - 보상 최대화 + 정책 엔트로피 최대화
J(π) = Σ E[r(st,at) + αH(π(·|st))]영향:
- 현재 가장 널리 쓰이는 continuous control RL 알고리즘
- 로봇, 게임, 시뮬레이션 전반에서 표준
RT-2 & Action as Language (2023)
핵심: 로봇 액션을 텍스트 토큰으로 표현하여 VLM과 통합
[이미지 + 언어 지시] → VLM → [액션 토큰] → 로봇 제어영향:
- VLA 패러다임의 시작
- 이후 모든 VLA 모델이 이 방식 채택
Open X-Embodiment (2023)
- 33개 연구실 협력
- 22종 로봇, 1M+ 에피소드
- 오픈소스 데이터셋으로 연구 민주화
Philosophy & Direction
연구 철학
“로봇 학습의 핵심은 데이터. 더 많은 데이터, 더 다양한 데이터가 일반화의 열쇠다.”
연구 방향 변화
- 2009-2015: Model-based RL, trajectory optimization
- 2015-2018: End-to-end deep RL
- 2018-2021: Off-policy RL, offline RL
- 2021-2023: Large-scale robot learning, foundation models
- 2023-현재: VLA, 범용 로봇 AI
Students & Mentees
Sergey Levine 연구실 출신:
- Chelsea Finn (Stanford 교수)
- Aviral Kumar (Google DeepMind)
- Ilya Kostrikov (Google DeepMind)
- 다수의 로봇/RL 연구자
Awards & Recognition
- IEEE RAS Early Career Award
- Sloan Research Fellowship
- NSF CAREER Award
- ICML Best Paper (multiple)