Nội dung nghiên cứu tập trung vào việc xây dựng mối quan hệ giữa hình thái học (các thông số vật lý của robot như vị trí khớp, thông số camera…) và mô hình nội tại (các tham số điều khiển như trọng số mạng nơ-ron). Một trường hợp điển hình được phân tích là đầu robot pan-tilt thực hiện chuyển động saccade. Hơn 44.000 cấu hình hình thái khác nhau được tạo ra và huấn luyện để học hành vi chuyển động mắt. Ba kiến trúc mạng nơ-ron được đề xuất: mạng đơn tầng, mạng sâu với autoencoder, và mạng song song. Kết quả cho thấy kiến trúc mạng song song cho hiệu suất tốt nhất trong việc dự đoán mô hình nội tại từ hình thái học. Phương pháp này có tiềm năng ứng dụng trong robot tự tái cấu hình, nghiên cứu tái lập, và robot kết nối đám mây.