チェルシー・フィン

フィンの研究は、AIやロボットが一つの課題だけを大量データで覚えるのではなく、過去の経験を使って未知の課題へ素早く適応する方法を扱います。MAML、少数例の模倣学習、言語モデルとロボット技能の接続を経て、異なる機体と環境で使える汎用的なロボット基盤モデルへ進んでいます。[1][2][3][5][6][8][9]

現在・代表的な役割

スタンフォード大学 Computer Science・Electrical Engineering Assistant Professor／Physical Intelligence 共同創業者

生い立ちから現在まで、肩書きだけでなく研究・開発・事業を動かした主要な出来事を時系列で追います。

1. 2014年

   MITで電気工学・計算機科学の学士号を取得した

   知覚、機械学習、ロボティクスを横断する基礎を学びました。[1][3]

2. 2016年

   逆最適制御でロボットが目的関数を学ぶ方法を示した

   Guided Cost Learningで、人の実演から複雑な行動のコスト関数をニューラルネットで学ぶ方法を提案しました。[4]

3. 2017年

   MAMLを共同提案した

   モデルの種類を限定せず、少量データで新しい課題へ適応しやすい学習初期値を得る方法を示しました。[5]

4. 2017年

   一回の視覚実演からロボット操作を学習した

   メタ学習を模倣学習へ適用し、ピクセル入力から新しい操作課題を学ぶ実験を行いました。[6]

5. 2018年

   UC Berkeleyで博士号を取得した

   博士論文「Learning to Learn with Gradients」で、勾配を使うメタ学習を体系化しました。[3][7]

6. 2019年

   スタンフォード大学の教員になった

   IRIS Labを率い、ロボット学習、メタ学習、強化学習の研究と教育を始めました。[1][2][3]

7. 2019年

   ACM Doctoral Dissertation Awardを受賞した

   博士論文「Learning to Learn with Gradients」が計算機科学・工学の博士論文賞に選ばれました。[7]

8. 2023年

   SayCanで言語モデルとロボット技能を接続した

   言語モデルが提案する行動を、ロボットの実行可能性で重みづけする枠組みを共同開発しました。[8]

9. 2024年

   Physical Intelligenceを共同創業した

   異なるロボットや作業へ一般化する基盤モデルを研究・開発する組織を立ち上げました。[2][3]

10. 2025年

    π0.5でオープンワールド一般化を検証した

    視覚・言語・行動モデルを、未知の環境と複数段階の操作課題へ適応させる研究を共同発表しました。[9]

知名度や肩書きではなく、技術と産業に残した変化から人物像を整理します。

年表の出来事をつなぎ、研究テーマや仕事の選択がどのように次の段階へ結びついたかを読み解きます。

生い立ちから現在までを一本の物語として見るために、方向を大きく変えた3つの選択に絞りました。

個人の功績だけに還元せず、共同研究者、組織、社会への影響まで含めて考えるための視点です。

TechCreateの関連記事

関連記事は準備中です。

もっと知る

本人のインタビュー、論文、公式プレゼンテーション、評伝を横断し、技術思想を立体的にたどれる資料を選びました。

選定：TechCreate編集部。リンク先の内容・販売状況は各配信元でご確認ください。