本文介绍了一种名为MOO的方法，该方法通过预训练的视觉-语言模型，从自然语言命令和图像中提取目标信息，应用于机器人操作。研究表明，该方法能够在真实环境中实现零样本推广，学习多样化的操控技能，并提高机器人在复杂任务中的成功率。

本文介绍了一种自我调节的人工神经网络，能够在高变化环境中提高适应性。研究通过主动推理框架模拟人类行为，展示了该模型在视觉-运动任务中的有效性。该神经网络结构能够处理感觉运动信息，实现灵活的目标导向行为，并适用于不同地形的零样本推广。

该论文提出了一种分层架构，通过上下文调节来更好地模拟机器人控制策略对其形态上下文的依赖关系。实验结果表明，该方法不仅改善了各种训练机器人的学习性能，还以零样本方式更好地推广到未见过的形态。