Sergey Levine
加州大学伯克利分校副教授，OpenVLA 共同作者，研究深度强化学习、机器人感知控制与通用机器人策略。
个人介绍
Sergey Levine 是加州大学伯克利分校电气工程与计算机科学系副教授，研究面向决策和控制的机器学习。他于 2014 年在斯坦福大学取得计算机科学博士学位，2016 年秋加入伯克利教职，研究领域包括深度强化学习、逆强化学习以及连接感知与控制的神经网络策略。
他是 Soft Actor-Critic 的共同作者，该方法将离策略学习与最大熵目标结合，以提高连续控制中的样本利用和训练稳定性。他也参与了 OpenVLA，研究如何将视觉语言模型及跨机器人示范数据转化为可微调的通用操作策略。