Tay người có khả năng cảm biến và điều khiển vượt trội nhờ hệ thống thần kinh tích hợp đa giác quan, phản xạ, học và thích nghi.

• Tay robot thường được thiết kế theo nguyên lý điều khiển tối ưu, nhưng thiếu khả năng thích nghi, cảm biến và học như tay người.
• - Khái niệm “neuromechanics” nhấn mạnh vai trò của cơ học trong việc hiểu chức năng thần kinh và ngược lại.
• - Điều khiển thần kinh–cơ học có thể được mô phỏng bằng hệ thống neuromorphic: mạng neuron spiking điều khiển cơ và gân thật.
• - Các nghịch lý như “hệ thống dư thừa” (redundancy) được giải thích lại: thực tế là hệ thống quá xác định khi xét đến độ dài gân và phản xạ.
• - Điều khiển khả thi (feasibility control) thay thế cho điều khiển tối ưu, bằng cách tìm tập nghiệm khả thi thay vì điểm tối ưu duy nhất.
• - Điều khiển xác suất (probabilistic control) dùng học thử–sai và biểu diễn xác suất để điều khiển trong môi trường không chắc chắn.
• - Synergies được phân loại thành mô tả (descriptive) và quy định (prescriptive), với tranh luận về nguồn gốc thần kinh hay cơ học.
• - Tay robot có thể học thao tác bằng cách xây dựng biểu diễn cấp cao của nhiệm vụ và điều chỉnh lực theo vị trí ngón tay.
• - Các tay robot dưới–điều khiển (underactuated) như Pisa/IIT SoftHand có thể thực hiện nhiều kiểu cầm nắm mà không cần điều khiển chi tiết.
• - Tác giả đề xuất robot nên có giai đoạn “mẫu giáo” để học điều khiển phù hợp với hình thái và môi trường sử dụng.