人物

谢尔盖·莱文

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-Critic 等，是机器人深度 RL 浪潮的核心推动者。

返回列表 查看来源
人员

主体信息

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-Critic 等，是机器人深度 RL 浪潮的核心推动者。

伯克利副教授，深度强化学习与机器人学习的核心代表。

相关论文

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

MAML元学习算法，少样本快速适应的奠基工作。

 Trust Region Policy Optimization

TRPO策略优化算法，强化学习稳定性方向代表。

 End-to-End Training of Deep Visuomotor Policies

端到端深度视觉运动策略训练，深度RL机器人学习开山之作。

 Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor

SAC最大熵off-policy强化学习算法，机器人学习事实标准。

 Offline Reinforcement Learning: Tutorial, Review, and Outlook on Open Problems

离线强化学习综述，Levine方向代表作。