【科研案例】加州大学伯克利分校大牛Pieter Abbeel团队又出大招，H1人形机器人可以这么研究？（文末附期刊论文）

Pieter Abbeel standing next to BRETT, the Berkeley Robot for the Elimination of Tedious Tasks. (Photo by Adam Lau, Berkeley Engineering)

在正文开始前，小编想先分享一下这篇论文创作团队的背景情况。

足式机器人的派系

盘点足式机器人的几个山头，主要有两个派别，分别是偏控制领域的机器人派和用强化学习做具身智能的AI派。

机器人派和AI派的划分主要还是源于人形机器人软件控制的迭代。人形机器人的控制算法主要分三代：第一代，用简单的基于模型的控制算法（LIPM+ZMP），代表机器人ASIMO；第二代，动态模型控制和最优控制算法（MPC+WBC），代表机器人Atalas；第三代，模拟+强化学习。

这些算法各有优劣，我们这里不做过多技术上的探讨。但就从事研究的人来说，第一代和第二代基于模型控制的算法一般是控制、自动化或电子系的人在搞；第三代Sim+RL的算法，一般是计算机系AI方向的人在搞。小编今天分享论文的创作团队是属于偏向第三代这种基于AI来交叉Robotics的学者。

整个Robot Learning领域，或者说AI+Robotics，UC Berkeley可谓一手遮天。在知乎上看到一个说法：“其他学校的实力甚至相当程度取决于距离伯克利的地理距离…”，从CoRL接收论文作者的统计来看，还真是这样，排名第一UC Berekely，第二Stanford，第三UW。

创作团队的背景情况

UC Berkeley AI+Robotics这个领域最强是Pieter Abbeel派系，他是将深度强化学习应用在机器人方面的先驱人物，于2021年获得ACM 计算奖的荣誉。在获奖公告中，ACM 提到：「Pieter率先教会机器人从人类演示中学习（模仿学习）和通过自己的反复试错学习（强化学习），这为下一代机器人技术奠定了基础。」

Pieter Abbeel现为加州大学伯克利分校计算机科学与电气工程教授，伯克利人工智能研究实验室（BAIR）的联合主任，伯克利机器人学习实验室（Berkeley Robot Learning Lab）主任，他最出名的是在机器人和机器学习方面的前沿研究，特别是在深度强化学习（deep reinforcement learning）方面。他于2000年获得比利时鲁汶大学电气工程学士和硕士学位，并在斯坦福大学获得计算机科学博士学位。Pieter Abbeel是AI大牛吴恩达的第一个博士生，这里值得一提的是吴恩达博士论文就是RL领域，但他后期的工作没有在RL这个领域继续，Pieter Abbeel作为吴恩达的第一个学生，延续了吴恩达在RL的传承，并成为当今RL+Robotics最强的一个派系。

Abbeel在AI+Robotics