Emanuel (Emo) Vassilev Todorov (nacido en 1971) es un neurocientífico y profesor asociado en la Universidad de Washington, donde dirige el Laboratorio de Control del Movimiento. Es reconocido por introducir el control óptimo como un marco explicativo formal para el movimiento biológico, una perspectiva que se ha vuelto dominante en el control motor computacional. Todorov es también el desarrollador principal del motor de física MuJoCo, ampliamente utilizado en robótica e investigación de aprendizaje automático.
Todorov completó su doctorado en el Instituto Tecnológico de Massachusetts bajo la supervisión de Michael Jordan y Whitman Richards. Posteriormente, realizó una beca posdoctoral en la Unidad de Neurociencia Computacional Gatsby del University College London, trabajando con Peter Dayan y Geoffrey Hinton. En 2004, recibió una Beca Sloan en neurociencia.
Control Óptimo y Comportamiento Motor
En 2002, Todorov propuso que los principios del control óptimo estocástico proporcionan un marco teórico robusto para explicar el movimiento biológico. Esta idea, inicialmente recibida con escepticismo, ganó una amplia aceptación durante la década siguiente. En 2011, Karl Friston, un antiguo crítico, reconoció que el control óptimo se había convertido en "el paradigma dominante para entender el comportamiento motor en términos formales o computacionales". El enfoque ha sido discutido en la prensa científica popular junto con otras conexiones entre la biología y los principios de optimización. Un editorial de Kenji Doya en las Actas de la Academia Nacional de Ciencias describió el trabajo de Todorov como "un enfoque refrescantemente nuevo en el control óptimo basado en una visión novedosa sobre la dualidad del control óptimo y la inferencia estadística".
Robótica y MuJoCo
La investigación de Todorov se extiende a manos robóticas, y su trabajo ha sido destacado en publicaciones populares de robótica. En enero de 2017, fue entrevistado para el Robots Podcast, discutiendo sus contribuciones al campo. El motor de física MuJoCo, desarrollado bajo su liderazgo, se ha convertido en una herramienta estándar para simular dinámicas ricas en contacto en robótica e aprendizaje por refuerzo, permitiendo avances en la investigación de inteligencia artificial.
Carrera Académica y Financiación
En la Universidad de Washington, Todorov dirige el Laboratorio de Control del Movimiento, que investiga los principios neuronales y computacionales subyacentes al control motor. Su investigación ha atraído un apoyo sustancial, incluyendo 11 premios de subvención de la Fundación Nacional de Ciencias que suman más de 7,5 millones de dólares como investigador principal. Esta financiación ha respaldado proyectos que abarcan neurociencia computacional, robótica y aplicaciones de aprendizaje profundo.
Influencia y Legado
La integración del control óptimo con el movimiento biológico por parte de Todorov ha influido tanto en la neurociencia como en el aprendizaje automático, particularmente en áreas como el aprendizaje por refuerzo basado en modelos y la robótica basada en simulación. Su trabajo une conocimientos teóricos con herramientas prácticas, moldeando cómo los investigadores modelan y controlan sistemas complejos. A principios de la década de 2020, MuJoCo sigue siendo una plataforma de código abierto ampliamente utilizada, y sus publicaciones continúan siendo citadas en diversas disciplinas.