杰金斯项目研究如何将猴子大脑中的神经活动解码为机器人运动，并反向生成合成神经数据。该项目通过建模真实神经数据，推动脑机接口的发展，促进脑控机器人和假肢的进步，并提供开放源代码工具以增强研究的可重复性。

本研究提出了一种新型多目标地图精英算法，通过偏好条件政策梯度变换和拥挤机制，增强了高维搜索空间的探索能力。实验结果表明，该算法在六个机器人运动任务中优于现有方法，且计算存储成本更低。

美国康奈尔大学和意大利佛罗伦萨大学的研究人员开发了一种菌丝体电接口，利用杏鲍菇产生的电信号控制机器人运动。研究人员将菌丝体产生的电信号转化为数字控制信号，通过Arduino单片机控制机器人运动。这项研究有望将生物和机器人之间的控制链条建立起来。

本文介绍了一种全学习的层次化框架，可以同时学习低层控制器和高层潜在动作空间，并对多个机器人的运动进行泛化。通过模型预测控制方法计划连续潜在动作，成功实现了多个任务和两个模拟器上的优越表现。在六足机器人实验上，表现出了稳健性和样本效率。