Chelsea Finn

ref · 5월 25, 2026, 6:26오전

Stanford University 컴퓨터과학 및 전기공학과 조교수, Model-Agnostic Meta-Learning(MAML)의 발명가, Direct Preference Optimization(DPO) 공동 저자, Physical Intelligence 공동 창업자 — 기계 학습 및 로봇 학습 분야에서 가장 많이 인용된 초기 경력 연구자 중 한 명.

프로필

분야	상세 정보
출생	1992년 10월 8일, 미국
국적	미국
현직	Stanford University (IRIS Lab); Physical Intelligence (공동 창업자)
연구 분야	메타 학습, 로봇 학습, 강화 학습, 모방 학습, 비전-언어-행동 모델
박사 지도 교수	Sergey Levine; Pieter Abbeel
박사 학위 논문	Learning to Learn with Gradients (UC Berkeley, 2018)
학술 웹사이트	ai.stanford.edu/~cbfinn
X / Twitter	@chelseabfinn
GitHub	@cbfinn
Google Scholar	scholar.google.com (126,000회 이상 인용)

개요

Chelsea Finn은 미국의 컴퓨터 과학자로, 기계 학습과 로봇 공학의 교차점에서 활동하는 그녀 세대의 가장 영향력 있는 연구자 중 한 명이다. 그녀는 ICML 2017에 발표된 경사 기반 알고리즘인 Model-Agnostic Meta-Learning(MAML)의 발명가로 가장 잘 알려져 있으며, 이 논문은 2010년대 가장 많이 인용된 논문 중 하나가 되었고 메타 학습을 주요 연구 방향으로 확립했다. Direct Preference Optimization(DPO, NeurIPS 2023)의 공동 저자로서, 그녀는 이번에는 언어 모델 정렬을 위한 두 번째로 영향력이 큰 기술에 기여했으며, 이는 학계와 산업계 모두에서 RLHF 기반 접근 방식을 빠르게 대체했다. Finn은 Stanford University의 IRIS Lab(Intelligence through Robotic Interaction at Scale)을 이끌고 있으며, 컴퓨터과학과 및 전기공학과에 겸임 교수로 재직 중이며 William George and Ida Mary Hoover Faculty Fellow로 임명되었다. 2024년에는 로봇공학 AI 회사인 Physical Intelligence(Pi)를 공동 창업했으며, 이 회사는 28억 달러의 가치 평가로 4억 달러를 조달했고 물리적 로봇을 위한 범용 기반 모델을 개발하고 있다. 그녀는 Google Scholar에서 126,000회 이상의 인용을 기록했으며 — 이는 2018년에 박사 학위를 마친 연구자로서는 이례적인 수치이다.

초기 생애 및 교육

B.S., 전기공학 및 컴퓨터과학 — Massachusetts Institute of Technology
Finn은 MIT에서 EECS 학사 학위를 마치며, 이후 대학원 연구의 토대가 된 기계 학습 및 제어 시스템에 대한 기술적 기초를 쌓았다.

Ph.D., 컴퓨터과학 — University of California, Berkeley, 2018
Finn은 Berkeley Artificial Intelligence Research Lab(BAIR)에 합류하여 Sergey Levine과 Pieter Abbeel의 공동 지도를 받았다. 그녀의 박사 논문인 Learning to Learn with Gradients는 경사 기반 메타 학습을 위한 이론 및 알고리즘 프레임워크를 개발했다 — 이는 적은 수의 경사 단계를 통해 새로운 작업에 빠르게 적응할 수 있는 우수한 초기화 역할을 하도록 모델의 매개변수를 최적화할 수 있다는 아이디어이다. 이 논문은 해당 분야의 박사 학위 논문으로서 최고의 영예인 ACM Doctoral Dissertation Award를 수상했다. 그녀는 박사 과정 동안 뛰어난 연구로 수여되는 UC Berkeley EECS C.V. & Daulat Ramamoorthy Distinguished Research Award(2016)를 받은 최초의 여성이다. 박사 과정 중에는 Google Brain에서 인턴으로 근무하며 심층 예측 모델을 통한 대규모 로봇 학습에 기여했다.

경력

UC Berkeley — BAIR Lab (2014–2018)

Levine과 Abbeel 밑에서 박사 과정을 밟는 동안 Finn은 시각운동 정책의 종단간 학습, 물리적 상호작용을 위한 비디오 예측, 그리고 가장 중요한 MAML 알고리즘 등 그녀의 초기 명성을 정의할 방법들을 개발했다. 박사 연구와 함께 그녀는 딥 강화 학습에 관한 선구적인 강좌(UC Berkeley CS294-112, 2017년 봄)를 공동 강의했고, NeurIPS 2016에서 행동과 상호작용을 위한 딥러닝 워크숍을 공동 조직했으며, 저소득층 고등학생을 위한 아웃리치 여름 캠프인 BAIR Camp를 공동 조직했다.

Google Brain — 인턴십 (2016–2017)

박사 과정 동안 Finn은 Google Brain에서 연구 인턴으로 근무하며 대규모 예측 모델 훈련 및 로봇 파지 데이터 세트를 포함하는 로봇 학습 프로젝트에 기여했으며, 이 중 일부는 Google Brain Robotics Data 말뭉치로 공개되었다.

Stanford University — IRIS Lab (2019–현재)

Finn은 2019년 조교수로 Stanford University에 합류했다. 그녀는 컴퓨터과학과 및 전기공학과에 겸임 교수로 재직 중이며 Stanford HAI 및 Stanford ML Group의 구성원이다. 그녀의 연구실인 IRIS(Intelligence through Robotic Interaction at Scale)는 오프라인 데이터 및 시연으로부터의 학습, 메타 학습 및 일반화, 비전-언어-행동 모델, 실제 로봇 배포라는 네 가지 주제에 걸쳐 연구를 수행한다.

CS330: Deep Multi-task and Meta Learning — Finn은 2019년 가을 학기부터 이 Stanford 강좌를 설계하고 가르쳤다. 여러 판의 강의 비디오가 공개적으로 제공되며 전 세계 대학원 수준의 메타 학습을 위한 표준 커리큘럼으로 널리 채택되었다.

CS224R: Deep Reinforcement Learning — Finn은 또한 이 Stanford 강좌를 가르치며, 현대적인 딥 RL 방법과 로봇 제어에의 적용을 다룬다.

Stanford에서의 주요 연구 주제:

교수 재임 기간 동안 Finn의 연구실은 여러 뚜렷한 연구 흐름에 기여했다. 메타 학습 및 일반화 분야에서는 분포 외 강건성 및 분포 이동에 대한 연구(WILDS 벤치마크, ICML 2021 포함)가 박사 시절의 기여를 강건한 ML의 광범위한 문제로 확장했다. 로봇 학습 분야에서는 그녀의 그룹이 로봇 공학을 위한 오프라인 및 온라인 RL, 교차 체현 전이(Bridge Data 시리즈), 인간형 모방(HumanPlus, 2024)에 대해 연구했다. 가장 최근에는 Stanford 및 Berkeley의 협력자들과 공동 개발한 오픈소스 비전-언어-행동 모델인 OpenVLA(2024)가 전문가 로봇 제어를 위한 새로운 공개 표준을 수립했다. 언어 모델 분야에서는 DPO(2023)가 최근 몇 년간 LLM 정렬 방법론에 가장 중요한 기여 중 하나가 되었다.

Physical Intelligence (Pi) — 공동 창업자 (2024–현재)

2024년, Finn은 Sergey Levine, Karol Hausman, Brian Ichter, Lachy Groom, Adnan Esmail, Quan Vuong과 함께 Physical Intelligence를 공동 창업했다. 이 회사의 핵심 논제 — 즉, 하나의 대규모 기반 모델이 대형 언어 모델이 텍스트 전반에 걸쳐 일반화된 방식과 유사하게 모든 작업을 위해 모든 로봇을 제어하는 방법을 학습할 수 있다는 것 — 은 Finn과 Levine이 10년에 걸쳐 개발한 연구 프로그램을 직접적으로 반영한다. Physical Intelligence는 Bezos Expeditions, Khosla Ventures 및 OpenAI Startup Fund의 지원을 받아 28억 달러의 가치 평가로 4억 달러를 조달했다. 이 회사의 첫 번째 공개 모델인 π0(pi-zero)는 여러 로봇 플랫폼에서 전문가의 정밀 조작 능력을 보여주는 비전-언어-행동 모델이다.

주요 기여

Model-Agnostic Meta-Learning(MAML) — ICML 2017에서 발표됨(Finn, Abbeel, Levine). MAML은 최소한의 데이터로 새로운 작업에 빠르게 적응할 수 있도록 초기 모델 매개변수를 최적화하는 경사 기반 메타 학습 알고리즘을 도입했다. 모델에 구애받지 않는 설계 덕분에 분류, 회귀 또는 강화 학습 등 경사 훈련된 모든 모델에 적용할 수 있었으며, 메타 학습 문헌의 기초 논문 중 하나가 되어 수만 건의 인용을 축적했고 Reptile, FOMAML, iMAML을 포함한 수십 가지 알고리즘 변형을 파생시켰다.
End-to-End Deep Visuomotor Policies — JMLR 2016에 발표됨(Levine, Finn, Darrell, Abbeel). 이 논문은 심층 신경망이 카메라 이미지와 관절 각도로부터 로봇 조작 정책을 종단간으로 학습할 수 있으며, 시각적 인식과 운동 제어를 단일 미분 가능 시스템으로 연결할 수 있음을 보여주었다.
Direct Preference Optimization (DPO) — NeurIPS 2023에 발표됨(Rafailov, Sharma, Mitchell, Ermon, Manning, Finn). DPO는 RLHF 선호도 학습 목표를 지도 이진 분류 문제로 재구성하여 별도의 보상 모델과 PPO 기반 미세 조정의 불안정성을 제거했다. 연구 커뮤니티와 업계에서 거의 즉시 채택되었으며 최근 NeurIPS 역사상 가장 빠른 속도 중 하나로 인용이 축적되고 있다. Finn은 연구실 인프라와 연구 방향을 제공한 수석 공동 저자로 활동했다.
CS330: Deep Multi-task and Meta Learning — 2019년 Finn이 만든 이 Stanford 대학원 과정은 전 세계적으로 메타 학습 및 멀티태스크 학습을 위한 주요 대학 수준 커리큘럼이 되었다. 공개적으로 게시된 강의 비디오는 Stanford 등록생을 훨씬 넘어 실무자와 연구자에게 도달했다.
OpenVLA: An Open-Source Vision-Language-Action Model — CoRL 2024에 발표됨(Kim, Pertsch, Karamcheti 등, Finn 및 협력자들의 공동 지도). OpenVLA는 전문가 로봇 제어를 위한 자유롭게 사용 가능하고 재현 가능한 기준선을 수립하여 더 넓은 커뮤니티의 VLA 연구에 대한 접근성을 민주화했다.
Open X-Embodiment and RT-X — Finn은 22개의 로봇 체현과 527개의 스킬을 포괄하는 Open X-Embodiment 데이터 세트를 구성하고 공개하여 교차 체현 전이 학습을 가능하게 한 대규모 협력 팀(ICRA 2024)의 일원이었다. 이는 일반화 가능한 로봇 기반 모델을 향한 중요한 단계이다.
HumanPlus: Humanoid Shadowing and Imitation — CoRL 2024에 발표됨(Fu, Zhao, Wu, Wetzstein, Finn). 이 연구는 모방 학습과 강화 학습의 조합을 통해 인간 모션 캡처로부터 전신 인간형 조작을 학습하는 것을 보여주었다.
WILDS Benchmark — 공동 저자(Koh et al., ICML 2021). WILDS는 10개의 실제 데이터 세트에 걸친 기계 학습의 분포 이동에 대한 엄격한 벤치마크를 제공하여 배포 이동에 대한 강건성 평가의 표준을 수립했다.
Video Prediction for Physical Interaction — NeurIPS 2016에 발표됨(Finn, Goodfellow, Levine). 이 연구는 신경망이 원시 비디오로부터 물리적 장면의 전방 모델을 학습하여 로봇 상호작용 역학의 비지도 학습을 가능하게 할 수 있음을 보여주었다.

수상 및 인정

Presidential Early Career Award for Scientists and Engineers (PECASE) (2025) — 초기 경력 과학자 및 엔지니어에게 수여되는 미국 정부의 최고 영예.
Alfred P. Sloan Research Fellowship (2023) — 뛰어난 초기 경력 교수진에게 수여됨.
IEEE RAS Early Academic Career Award in Robotics and Automation (2022)
Office of Naval Research Young Investigator Award (2021)
Microsoft Research Faculty Fellowship (2020)
Samsung AI Researcher of the Year (2020) — 전 세계 19명의 초기 경력 AI 연구자에게 수여됨.
Intel Rising Star Faculty Award (2020) — 정보 통신 분야의 미국 교수 7명에게 수여됨.
ACM Doctoral Dissertation Award (2019) — 컴퓨팅 분야 박사 학위 논문에 대한 ACM의 최고 인정; Learning to Learn with Gradients로 수상.
MIT Technology Review Innovators Under 35 — Pioneer (2018)
C.V. & Daulat Ramamoorthy Distinguished Research Award, UC Berkeley EECS (2016) — 이 상을 받은 최초의 여성.

주요 관계

Sergey Levine — Berkeley에서의 박사 공동 지도 교수; Physical Intelligence 공동 창업자; Finn과 Levine의 10년에 걸친 협력은 시각운동 정책 학습, 오프라인 RL, 교차 체현 전이 및 Pi의 설립을 포괄하며 로봇 학습 분야에서 가장 생산적인 연구 파트너십 중 하나이다.
Pieter Abbeel — Berkeley에서의 박사 공동 지도 교수; MAML은 Abbeel과 공동 저술됨; 그의 연구실이 강조하는 메타 학습 및 로봇 조작은 Finn의 기초 기여를 형성했으며 초기 시각운동 정책 연구의 공동 저자이기도 함.
Rafael Rafailov — Finn이 공동 지도한 Stanford 박사 과정 학생; 2023년 가장 영향력 있는 정렬 논문 중 하나인 DPO의 제1 저자.
Fei-Fei Li — Stanford 선임 동료이자 HAI 교수진; Finn의 가장 저명한 학문적 추종자 및 전문 네트워크에 속함; 그들의 Stanford 연구실 제휴는 로봇 인식 및 학습에서 중첩됨.
Karol Hausman — Physical Intelligence 공동 창업자; 전 Google Brain 연구원으로 RT-2 및 대규모 로봇 학습에 대한 그의 연구는 Finn의 의제와 직접적으로 수렴됨.
Tony Z. Zhao — 박사 과정 학생이자 Finn의 더 넓은 Stanford 네트워크에서 나온 ALOHA/Unleashed 및 모바일 조작 연구의 핵심 기여자.
Ian Goodfellow — 2016년 NeurIPS 비디오 예측 논문의 공동 저자; Finn의 가장 저명한 전문적인 연결 중 하나에 속하는 초기 협력자.
Christopher Manning — Stanford 동료이자 DPO의 공동 저자; 이 협력은 Stanford에서 로봇 공학과 NLP 사이의 Finn의 학제적 참여를 예시함.

개인적 스타일

Finn의 연구는 특정 영역에 맞게 엔지니어링된 알고리즘보다 단순하고 일반적인 알고리즘에 대한 강한 선호가 특징이며, 이러한 감각은 MAML의 모델에 구애받지 않는 설계와 DPO의 RLHF를 지도 분류로 재구성한 것을 직접적으로 만들어냈다. 그녀의 연구실이 '대규모 로봇 상호작용을 통한 지능’을 구성하는 방식은 물리적 세계와의 체현된 상호작용이 일반 지능의 핵심 테스트이자 핵심 동인이라는 신념을 반영한다. 강좌 설계 및 아웃리치에서 그녀는 대학원 수준의 연구 방법을 널리 접근 가능하게 만드는 데 상당히 투자해 왔으며, 이는 공개적으로 게시된 Stanford 강의 시리즈와 Berkeley의 다양성 중심 교육 프로그램을 통해 이루어졌다. 그녀의 공개 커뮤니케이션은 기술적으로 정확하고 현저하게 과장이 적으며, 그녀는 새로운 결과를 최상급 표현보다는 실패 모드와 남은 미해결 문제의 관점에서 구성하는 경향이 있다.