提出了一个基于神经网络的Matsuoka CPG仿生模型潜能提升框架，设计了人形机器人NAO的仿生控制系统，首次展示了人形机器人NAO在连续变化斜坡上的自适应行走。

针对视角变化和环境条件变化，提出了一个基于卷积神经网络的鲁棒图像序列框架，在所提出的框架下，人形机器人NAO在极端环境变化中具有更高的地点识别准确率和召回率。

针对演示学习中训练集质量无法保障的问题，提出了一个基于教师辅助的训练集质量改进方法，在所提出的方法下，人形机器人NAO具备较高的人体动作模仿性能。

提出了一个基于语义相关注意机制的多阶多尺度特征融合模型，首次学习到了人体各部位和运动时间之间的语义相关性，提高了人体动作预测精度。

发表IEEE Transactions论文5篇。