运用运动学理论和 Sigma-Lognormal 模型 2D 时空轨迹的方法，我们提出了一种 Kinematic Theory Transform 模型，并使用欧拉曲线和多种函数来重构人、动物和机器人的时空轨迹。

Jan, 2024

基于语音运动学理论，引用 Sigma-lognormal 模型，提出了一种用于研究、分析和重构复杂语音运动学的简化模型，通过从格式到运动观察的转换，以及实验证实了抽取参数与人的年龄以及动态运动学理论所要求的第一和第二共振峰之间的比例的相关性。

Jan, 2024

通过利用对数正态原理模拟复杂的神经运动控制过程，本文提出了一个框架来生成合成的 3D 空中签名，该技术可以在自动签名验证中支持决策制定，包括合成完全 3D 新签名的轨迹和速度、只有 3D 轨迹的动力学信息以及 3D 真实签名的重复样本。我们通过生成模拟真实数据库的合成 3D 签名数据库，并展示了与真实和合成数据库相似的真实和熟练伪造签名的自动签名验证性能，证实了我们的提议的有效性，并证明该提议对于合成 3D 空中书写和手势也是有效的。最后，一个感知测试确认了生成的样本的人类相似性。

Jan, 2024

本文提出了一种新颖的增量半参数反向动力学学习方法，通过刚体动力学方程的参数建模和增量核方法的非参数建模相结合，实现了对机械系统动力学的增量半参数学习，并在 iCub 人型机器人贴身进行验证。

Jan, 2016

研究分析人们对协作机器人的运动方式的偏好，探讨工业机器人的运动与人体运动之间的主要差异，并基于对数正态原理开发了模拟人类运动的程序。通过实施不同的速度轮廓在两个工业机器人中进行测试，以研究人们对不同运动方式的偏好及与机器人互动时的感知。

May, 2024

本文提出了一种基于外部估计的光流场而不是手工特征对应的密集间接视觉里程计方法，将其定义为概率模型，并开发了一种广义 EM 公式用于联合推断相机运动、像素深度和运动跟踪置信度。通过自适应的对数 - 对数逻辑分布模型对我们的推理框架进行监督，充分考虑残差模型的不确定性。此外，对数 - 对数逻辑残差模型很好地推广了不同的光流方法，使我们的方法模块化和不可知光流估计器的选择。我们的实现在 TUM RGB-D 和 KITTI 里程碑测试中均取得了排名前列的结果，其 GPU 友好，具有线性计算和存储增长。

Apr, 2021

本文介绍一种可用于多体机器人动力学的混合模型，采用计算图架构将牛顿欧拉方程体现出来，实现动态几何转化为有效的计算结构，结合灰盒架构进行系统参数辨识。同时，将动力学参数和运动学参数进行联合建模，与黑盒组件相结合取得了较好效果。

Oct, 2020

研究用于非线性状态空间模型的近似极大似然参数估计，讨论了直接最大化似然和 EM 算法，使用 sigma 点来近似所需积分的高斯滤波和平滑算法，比较了不同阶的 unscented 变换以及高斯 - 埃尔米特积分规则得出的方法在两个模拟实验中的表现

Apr, 2015

该论文提出了一种新的基于学习的运动学逆解模型：Visual-Inertial Inverse Kinodynamics (VI-IKD)，它结合了惯性和视觉信息，可以预测地形与车辆间的运动学相互作用，提高了无人车高速越野导航的准确性和鲁棒性。

Mar, 2022

本论文提出了解释性元神经微分方程 (iMODE) 方法，用于快速学习多个动力系统的通用动力学，学习到这些系统的力场功能变化，可以将先验物理知识方便地嵌入神经网络结构，对 unseen system 进行建模并反推系统的物理参数，或作为神经规的一部分来 “测量” 看不见系统的物理参数。

Jan, 2023