TRPO策略优化算法，强化学习稳定性方向代表。
Sergey Levine 是加州大学伯克利分校 EECS 副教授，BAIR/RAIL 核心 PI。斯坦福博士（Vladlen Koltun 指导），研究方向覆盖深度强化学习、离线 RL 与机器人学习，提出 Guided Policy Search、Soft Actor-Crit
Pieter Abbeel 是加州大学伯克利分校教授，BAIR 核心 PI。斯坦福博士（Andrew Ng 指导），研究方向覆盖机器人学习、强化学习与模仿学习，提出 Apprentice Learning、TRPO 等工作。联合创立 Covariant、Robotic Viewp