本研究提出了一种新的离线数据增强方法D-CODA，旨在提升双手操作中的眼手协调模仿学习表现。通过合成手腕摄像机图像和动作标签，D-CODA在模拟和现实任务中均优于基线方法，推动了数据增强技术的发展。

本文提出了一种基于神经网络的手眼校准方法，简化了机器人辅助微创手术中的校准过程。该方法利用长短期记忆架构提取时序信息，通过线性组合目标函数引入微小变化，验证结果显示精度在10到20个像素以内。此外，研究还介绍了适用于无人驾驶和远程工作机器人的低成本眼手协调算法，具有良好的性能和鲁棒性。