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

本文提出了一个通过运动等效理论和可行的视觉反馈启发的新框架 iDeLog，用于提取 Sigma-Lognormal 模型参数。在与手写签名进行的实验中，iDeLog 相较于先前的 Sigma-Lognormal 发展取得了有希望的结果。

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

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

该论文提出了一种新型的自由形式动作生成模型（FreeMo），通过将共同话语动作分解为姿态模式和节奏动力学，利用两条流架构实现姿态的多样性生成和语音韵律同步的节奏动力学合成，从而在几个基准测试中展示出优秀的性能。

Mar, 2022

通过 Sigma-lognormal 模型提取的手写特征，应用于机器学习，旨在开发一个支持系统来帮助医生诊断和研究阿尔茨海默病，并评估提取特征的有效性以及它们之间的关系。

May, 2024

通过研究自监督学习模型，本文展示了模型对语音内部表征与不同方面的关联，以及模型将声学信息转化为语音信号基础的原因动力学的能力，同时发现这种抽象几乎在所有语言中都有重叠，尤其喜欢同一音韵系统的语言。此外，研究还表明使用简单仿射变换，声学到语音的反演能力可以跨发音者、性别、语言和方言传递，显示了这一属性的普适性。这些结果揭示了自监督学习模型内部机制，对其卓越性能至关重要，同时为可解释性和基于语音科学的语言不可知通用语音工程模型开辟了新的方向。

Oct, 2023

通过使用混合点表示，并结合对比运动学习方法，本研究提出了一种从语音中生成全身动作的模型，以解决现有方法在从语音中生成多样且合理的全身动作时所面临的挑战。

Nov, 2023

本文提出了一种新颖的基于语音驱动的手势生成框架，可用于虚拟代理以增强人机交互，并通过深度学习和表示学习，对不同输入输出的网络提供了客观和主观的评估以及消除运动抖动的后处理措施。

Jul, 2020

通过引入三种新方法，我们将全身运动形式化为动态系统的状态空间模型，利用深度学习和统计算法估计参数。这些表示遵循手势操作模型（GOM）的结构，描述了通过时空假设的运动。这些方法用于人类运动的精确生成和专业运动的身体灵活性分析。

Apr, 2023