에마누엘 (에모) 바실레프 토도로프(1971년 출생)는 신경과학자이자 워싱턴 대학교의 부교수로, 운동 제어 연구소(Movement Control Laboratory)를 이끌고 있다. 그는 생물학적 운동에 대한 공식적 설명 체계로서 최적 제어(optimal control)를 도입한 것으로 인정받으며, 이 관점은 계산 운동 제어(computational motor control) 분야에서 지배적인 패러다임이 되었다. 토도로프는 또한 로봇 공학 및 기계 학습 연구에서 널리 사용되는 MuJoCo 물리 엔진의 주요 개발자이기도 하다.
토도로프는 매사추세츠 공과대학교에서 마이클 조던과 휘트먼 리처즈의 지도 아래 박사 학위를 취득했다. 이후 런던 대학 칼리지의 개츠비 계산 신경과학 연구소(Gatsby Computational Neuroscience Unit)에서 피터 데이언과 제프리 힌턴과 함께 박사후 연구원으로 재직했다. 2004년에는 신경과학 분야의 슬론 펠로우십(Sloan Fellowship)을 수상했다.
최적 제어와 운동 행동
2002년, 토도로프는 확률적 최적 제어 원리가 생물학적 운동을 설명하는 강력한 이론적 틀을 제공한다고 제안했다. 처음에는 회의적으로 받아들여졌던 이 아이디어는 이후 10년 동안 폭넓은 수용을 얻었다. 2011년, 이전 비판자였던 칼 프리스턴은 최적 제어가 "형식적 또는 계산적 용어로 운동 행동을 이해하는 지배적인 패러다임"이 되었다고 인정했다. 이 접근법은 생물학과 최적화 원리 사이의 다른 연결 고리와 함께 대중 과학 언론에서 논의되었다. 국립과학원 회보(Proceedings of the National Academy of Sciences)에서 겐지 도야의 사설은 토도로프의 연구를 "최적 제어와 통계적 추론의 이중성에 대한 새로운 통찰에 기반한 최적 제어의 신선한 새로운 접근법"이라고 설명했다.
로봇 공학과 MuJoCo
토도로프의 연구는 로봇 손으로 확장되며, 그의 작업은 인기 있는 로봇 공학 간행물에 소개되었다. 2017년 1월, 그는 Robots Podcast와의 인터뷰에서 이 분야에 대한 자신의 기여를 논의했다. 그의 지도 아래 개발된 MuJoCo 물리 엔진은 로봇 공학 및 강화 학습에서 접촉이 풍부한 역학을 시뮬레이션하는 표준 도구가 되었으며, 인공 지능 연구의 발전을 가능하게 했다.
학문적 경력과 자금 지원
워싱턴 대학교에서 토도로프는 운동 제어의 신경 및 계산 원리를 조사하는 운동 제어 연구소를 이끌고 있다. 그의 연구는 상당한 지원을 받았으며, 주임 연구자로서 총 750만 달러 이상에 달하는 11건의 국립과학재단(NSF) 보조금을 수주했다. 이 자금은 계산 신경과학, 로봇 공학, 딥 러닝 응용 분야에 걸친 프로젝트를 지원했다.
영향과 유산
토도로프의 최적 제어와 생물학적 운동의 통합은 신경과학과 기계 학습 모두에 영향을 미쳤으며, 특히 모델 기반 강화 학습 및 시뮬레이션 기반 로봇 공학 분야에서 그러하다. 그의 연구는 이론적 통찰과 실용적 도구를 연결하여 연구자들이 복잡한 시스템을 모델링하고 제어하는 방식을 형성했다. 2020년대 초반 기준으로 MuJoCo는 여전히 널리 사용되는 오픈 소스 플랫폼이며, 그의 출판물은 여러 학문 분야에서 계속 인용되고 있다.