橡胶手幻觉的深度主动推理模型
本研究整合了生物学发现，提出了一个脑启发的身体自我感知模型，通过这个模型可以自主构建身体自我的感觉，实验结果表明我们的模型可以很好地复制人类和猴子在生物实验中的行为和神经数据，并从神经水平上合理地解释引起橡胶手幻觉的原因和结果，从而有助于揭示橡胶手幻觉发生的计算和神经机制。
Mar, 2023
本研究比较了人体幻觉和机器人的机械臂估计偏位，结果表明其漂移是由于预测误差融合，而不是假设选择，我们提出了通过预测误差最小化的身体推断作为一个将预测编码和因果推断统一起来的单一过程，解释了当我们受到跨模态的感官扰动时的知觉效应。
Jun, 2018
该研究提出了一种基于深度传感器和一种先进的 3D 手姿估计器的模型，使用模型自由的混合强化学习和模仿学习方法训练代理来实现虚拟环境中手 - 物体交互，通过引入物理约束，使得机器人能够完成更高效的手 - 物体操作。
Aug, 2020
该论文提出在虚拟厨房场景中使用结构因果模型和非参数估计器进行观察研究，以推断人类在物体操作中的手部行为的实证估计，并探索了这种方法的可行性和边界。
Jan, 2022
通过结合视觉和触觉传感来估计物体的位置和形状，本研究展示了多模态感知在手持操纵中的作用，证明触觉能够在手持操纵过程中改进视觉估计并提供更准确的感知，旨在推动机器人灵巧性的发展。
Dec, 2023
在这项研究中，我们介绍了一种公式，使得协作机器人能够执行视觉触觉推理 —— 推断物理交互过程中施加力的位置和大小，我们提出了两种不同的模型表示法，在物理模拟中进行训练，使得机器人能够通过视觉和机器人运动观察来实现触觉推理。通过定量评估，我们展示了这些模型在模拟中能够概括不同任务的相互作用、人体尺寸和物体形状。同时，我们也使用我们在模拟中训练的模型，与现实世界中的移动机械手进行实际的物理辅助任务，估算施加的接触力。
Aug, 2022
通过神经科学发现，活性推理是提升机器人算法在适应性、鲁棒性、灵活性、基础理解、安全交互等方面的潜在解决方案，通过模拟实际机器人平台的研究实验，揭示了机器人感知上的挑战和限制。
May, 2021
本文提出了一种启发于人类认知结构的新型机器人运动生成模型，其中包含了一个状态驱动的主动自上而下的视觉关注模块，该模块能够基于任务状态主动改变目标，并在机器人使用工具任务中对机器人的夹持器和工具进行感知，这类似于生物现象 - 工具身体同化。结果表明，该模型的视觉感知具有更好的灵活性。
Jun, 2022
通过强化学习，我们使用模拟环境训练了一种可以使机器人手指进行多指协调、操纵物体并控制重力的新型算法，并且证明该算法可以成功地应用在实物机器人中，为机器人控制领域提供了新的解决方案。
Aug, 2018