Emanuel (Emo) Vassilev Todorov (geboren 1971) ist ein Neurowissenschaftler und außerordentlicher Professor an der University of Washington, wo er das Movement Control Laboratory leitet. Er ist dafür bekannt, die optimale Steuerung als formalen Erklärungsrahmen für biologische Bewegung eingeführt zu haben, eine Perspektive, die in der computergestützten Motorsteuerung dominierend geworden ist. Todorov ist außerdem der Hauptentwickler der MuJoCo-Physik-Engine, die in der Robotik und in der Maschinenlern-Forschung weit verbreitet ist.
Todorov promovierte am Massachusetts Institute of Technology unter der Leitung von Michael Jordan und Whitman Richards. Anschließend absolvierte er ein Postdoktorandenstipendium an der Gatsby Computational Neuroscience Unit am University College London, wo er mit Peter Dayan und Geoffrey Hinton zusammenarbeitete. Im Jahr 2004 erhielt er ein Sloan-Stipendium in Neurowissenschaften.
Optimale Steuerung und motorisches Verhalten
Im Jahr 2002 schlug Todorov vor, dass Prinzipien der stochastischen optimalen Steuerung einen robusten theoretischen Rahmen zur Erklärung biologischer Bewegung bieten. Diese Idee, die zunächst auf Skepsis stieß, gewann im folgenden Jahrzehnt breite Akzeptanz. Im Jahr 2011 räumte Karl Friston, ein ehemaliger Kritiker, ein, dass die optimale Steuerung "das dominierende Paradigma zum Verständnis motorischen Verhaltens in formaler oder computergestützter Hinsicht" geworden sei. Der Ansatz wurde in der populärwissenschaftlichen Presse neben anderen Verbindungen zwischen Biologie und Optimierungsprinzipien diskutiert. Ein Leitartikel von Kenji Doya in den Proceedings of the National Academy of Sciences beschrieb Todorovs Arbeit als "einen erfrischend neuen Ansatz in der optimalen Steuerung, der auf einer neuartigen Einsicht in die Dualität von optimaler Steuerung und statistischer Inferenz basiert."
Robotik und MuJoCo
Todorovs Forschung erstreckt sich auf Roboterhände, und seine Arbeiten wurden in populären Robotik-Publikationen vorgestellt. Im Januar 2017 wurde er für den Robots Podcast interviewt und diskutierte seine Beiträge zum Feld. Die MuJoCo-Physik-Engine, die unter seiner Leitung entwickelt wurde, ist zu einem Standardwerkzeug für die Simulation kontaktreicher Dynamik in der Robotik und im Verstärkungslernen geworden und ermöglicht Fortschritte in der Forschung zur künstlichen Intelligenz.
Akademische Karriere und Finanzierung
An der University of Washington leitet Todorov das Movement Control Laboratory, das die neuronalen und computergestützten Prinzipien der Motorsteuerung untersucht. Seine Forschung hat erhebliche Unterstützung erhalten, darunter 11 Förderpreise der National Science Foundation mit einem Gesamtvolumen von mehr als 7,5 Millionen US-Dollar als Hauptforscher. Diese Finanzierung hat Projekte in den Bereichen computergestützte Neurowissenschaften, Robotik und Anwendungen des tiefen Lernens unterstützt.
Einfluss und Vermächtnis
Todorovs Integration der optimalen Steuerung mit biologischer Bewegung hat sowohl die Neurowissenschaften als auch das Maschinenlernen beeinflusst, insbesondere in Bereichen wie modellbasiertem Verstärkungslernen und simulationsbasierter Robotik. Seine Arbeit verbindet theoretische Einsichten mit praktischen Werkzeugen und prägt, wie Forscher komplexe Systeme modellieren und steuern. Ab den frühen 2020er Jahren bleibt MuJoCo eine weit verbreitete Open-Source-Plattform, und seine Veröffentlichungen werden weiterhin in verschiedenen Disziplinen zitiert.