Sergey Levine ist Professor für Elektrotechnik und Informatik an der UC Berkeley und Mitbegründer des Robotik-Unternehmens Physical Intelligence. Er zählt zu den einflussreichsten Forschenden im Bereich des bestärkenden Lernens für Roboter.
Zusammenfassung
Levine erwarb Bachelor- und Masterabschluss in Informatik an der Stanford University und promovierte dort ebenfalls, mit einem Schwerpunkt auf Roboterlernen und optimaler Steuerung. Nach einer Postdoc-Zeit im Robot Learning Lab der UC Berkeley bei Pieter Abbeel arbeitete er ab 2015 in Teilzeit bei Google, bevor er eine Professur an der University of Washington annahm. 2016 wechselte er an die UC Berkeley, wo er seither als Professor forscht.
Levines Forschung konzentriert sich auf bestärkendes Lernen, Imitationslernen und skalierbare Systeme zum Roboterlernen. Er entwickelte die Guided-Policy-Search-Methode und trug wesentlich zum Ende-zu-Ende-Lernen visuomotorischer Steuerung bei – Verfahren, die es Robotern erlauben, komplexe Verhaltensweisen direkt aus hochdimensionalen Sensoreingaben zu lernen, statt sie regelbasiert zu programmieren. Er ist zudem Mitbegründer des Robotik- und KI-Unternehmens Physical Intelligence.
Werdegang
Levine erwarb Bachelor- und Masterabschluss in Informatik an der Stanford University und promovierte dort mit einem Schwerpunkt auf Roboterlernen und optimaler Steuerung. Anschließend forschte er als Postdoktorand im Robot Learning Lab der UC Berkeley unter der Leitung von Pieter Abbeel. Ab 2015 arbeitete er in Teilzeit als Forscher bei Google, bevor er eine Fakultätsstelle an der University of Washington antrat. 2016 wechselte er an die UC Berkeley, wo er seither im Department of Electrical Engineering and Computer Sciences als Professor tätig ist.
Für seine Forschung erhielt Levine 2025 den Presidential Early Career Award for Scientists and Engineers (PECASE); 2016 wurde er in die Innovators-Under-35-Liste des MIT Technology Review aufgenommen.
Bestärkendes Lernen für Roboter und Physical Intelligence
Levines Forschung gilt der Frage, wie Roboter komplexe, körperliche Aufgaben direkt aus Erfahrung lernen können, statt dass Ingenieurinnen und Ingenieure jede Bewegung einzeln programmieren. Mit der von ihm mitentwickelten Guided-Policy-Search-Methode und Arbeiten zum Ende-zu-Ende-Lernen visuomotorischer Steuerung gehört er zu den Forschenden, die gezeigt haben, dass sich Roboterverhalten direkt aus Kamera- und Sensordaten erlernen lässt, ohne den Umweg über explizit modellierte Zwischenschritte.
Diese Forschungslinie führte ihn zur Mitgründung von Physical Intelligence, einem Unternehmen, das sich der Entwicklung allgemeiner KI-Modelle für die Steuerung physischer Roboter widmet – ein Forschungsfeld, das mit dem breiteren Aufschwung generativer KI und Foundation-Modelle zunehmend an wirtschaftlicher Bedeutung gewinnt.
Verwandte Begriffe
- Pieter Abbeel – Levines Postdoc-Betreuer an der UC Berkeley, selbst zentrale Figur der KI-Robotik-Forschung
- Chelsea Finn – Mitgründerin von Physical Intelligence gemeinsam mit Levine
- Physical AI – das Forschungsfeld, dem Physical Intelligence zuzuordnen ist
Quellenangaben
- Wikipedia: „Sergey Levine”, Stand September 2026 (per WebFetch eingesehen). https://en.wikipedia.org/wiki/Sergey_Levine