Abbeel studierte Elektrotechnik an der Katholischen Universität Leuven mit dem Master-Abschluss 2000. Dann studierte er Informatik an der Stanford University, an der er 2008 bei Andrew Ng promoviert wurde (Apprenticeship learning and reinforcement learning with application to robotic control).[1] Danach wurde er Assistant Professor an der University of California, Berkeley, gründete dort das Berkeley Robot Learning Lab und erhielt 2017 eine volle Professur. 2016 wurde er Ko-Direktor des Berkeley Artificial Intelligence Research Lab (BAIR).
Er war Mitgründer einer Reihe von Firmen, so 2014 Gradescope für die Online-Bewertung von Studenten (2018 von Turnitin übernommen) und 2017 Covariant in Emeryville für Maschinenlernen in der Robotik, dessen Präsident und Chefwissenschaftler er ist.
mit Y. Ng: Apprenticeship learning via inverse reinforcement learning, Proc. 21. Int. Conf. Machine Learning, Band 1, 2004
mit D. Koller u. a.: Introduction to statistical relational learning, MIT Press 2007
mit J. Schulman, S. Levine, M. Jordan, P. Moritz: Trust region policy optimization, Int. Conf. on Machine Learning 2015, S. 1889–1897
mit X. Chen u. a.: Infogan: Interpretable representation learning by information maximizing generative adversarial nets, Advances in Neural Information Processing Systems, Band 29, 2016
mit S. Levine, C. Finn, T. Darrell: End-to-end training of deep visuomotor policies, J. Machine Learning Research, Band 17, 2016, S. 1334–1373
mit R. Lowe u. a.: Multi-agent actor-critic for mixed cooperative-competitive environments, Advances in Neural Information Processing Systems, Band 30, 2017
mit C. Finn, S. Levine: Model-agnostic meta-learning for fast adaptation of deep networks, Int. Conference on Machine Learning 2017, S. 1126–1135
mit T. Haarnoja, A. Zhou, S. Levine: Soft actor-critic: Off-policy maximum entropy deep reinforcement learning with a stochastic actor, Int. Conf. Machine Learning, 2018, S. 1861–1870