Emanuel (Emo) Vassilev Todorov (né en 1971) est un neuroscientifique et professeur associé à l'Université de Washington, où il dirige le Laboratoire de contrôle du mouvement. Il est reconnu pour avoir introduit le contrôle optimal comme cadre explicatif formel du mouvement biologique, une perspective devenue dominante dans le contrôle moteur computationnel. Todorov est également le principal développeur du moteur physique MuJoCo, largement utilisé en robotique et dans la recherche en apprentissage automatique.
Todorov a obtenu son doctorat au Massachusetts Institute of Technology sous la supervision de Michael Jordan et Whitman Richards. Il a ensuite effectué un stage postdoctoral à l'unité de neurosciences computationnelles Gatsby de l'University College London, travaillant avec Peter Dayan et Geoffrey Hinton. En 2004, il a reçu une bourse Sloan en neurosciences.
Contrôle optimal et comportement moteur
En 2002, Todorov a proposé que les principes du contrôle optimal stochastique fournissent un cadre théorique robuste pour expliquer le mouvement biologique. Cette idée, initialement accueillie avec scepticisme, a gagné une large acceptation au cours de la décennie suivante. En 2011, Karl Friston, ancien critique, a reconnu que le contrôle optimal était devenu « le paradigme dominant pour comprendre le comportement moteur en termes formels ou computationnels ». Cette approche a été discutée dans la presse scientifique populaire, aux côtés d'autres connexions entre la biologie et les principes d'optimisation. Un éditorial de Kenji Doya dans les Proceedings of the National Academy of Sciences a décrit le travail de Todorov comme « une approche nouvelle et rafraîchissante du contrôle optimal, fondée sur une perception inédite de la dualité entre contrôle optimal et inférence statistique ».
Robotique et MuJoCo
Les recherches de Todorov s'étendent aux mains robotiques, et son travail a été présenté dans des publications populaires en robotique. En janvier 2017, il a été interviewé pour le Robots Podcast, discutant de ses contributions au domaine. Le moteur physique MuJoCo, développé sous sa direction, est devenu un outil standard pour simuler des dynamiques riches en contacts en robotique et en apprentissage par renforcement, permettant des avancées dans la recherche en intelligence artificielle.
Carrière académique et financement
À l'Université de Washington, Todorov dirige le Laboratoire de contrôle du mouvement, qui étudie les principes neuronaux et computationnels sous-jacents au contrôle moteur. Ses recherches ont attiré un soutien substantiel, notamment 11 subventions de la National Science Foundation totalisant plus de 7,5 millions de dollars en tant que chercheur principal. Ce financement a soutenu des projets couvrant les neurosciences computationnelles, la robotique et les applications de apprentissage profond.
Influence et héritage
L'intégration du contrôle optimal avec le mouvement biologique par Todorov a influencé à la fois les neurosciences et le apprentissage automatique, en particulier dans des domaines tels que l'apprentissage par renforcement basé sur des modèles et la robotique basée sur la simulation. Son travail relie des perspectives théoriques à des outils pratiques, façonnant la manière dont les chercheurs modélisent et contrôlent des systèmes complexes. Au début des années 2020, MuJoCo reste une plateforme open-source largement utilisée, et ses publications continuent d'être citées dans diverses disciplines.