Mô hình tương tác: robot được mô hình hóa như một khối lượng đơn vị bị tác động bởi lực điều khiển và lực môi trường. Điều khiển trở kháng mô phỏng hệ lò xo–giảm chấn.

• Ước lượng độ cứng: dùng kỹ thuật cửa sổ trượt để ước lượng ma trận độ cứng tại mỗi thời điểm từ dữ liệu vị trí, vận tốc, gia tốc và lực cảm biến. Sau đó chuẩn hóa thành ma trận SPD gần nhất.
• - Mã hóa độ cứng: dùng GMM để học phân phối xác suất của ma trận độ cứng và lực cảm biến. Hai cách biểu diễn độ cứng: vector hóa Cholesky và manifold SPD.
• - Tái tạo: dùng GMR để sinh ra ma trận độ cứng mới từ lực cảm biến chưa từng thấy. Ma trận độ cứng được dùng để tính lực điều khiển và mô-men khớp.
• - Mô phỏng: kiểm tra độ chính xác và thời gian tính toán của hai phương pháp mã hóa độ cứng trong không gian 2D và 7D. Manifold SPD chính xác hơn nhưng tốn thời gian hơn.
• - Thí nghiệm thực tế:
•   + Bài toán xoay van: robot học cách điều chỉnh độ cứng theo lực ma sát của van để xoay hiệu quả.
•   + Bài toán nâng vật: robot học cách điều chỉnh độ cứng theo khối lượng vật thể thay đổi bất ngờ.
• - Kết quả: cả hai phương pháp đều giúp robot tái tạo hồ sơ độ cứng phù hợp, thích nghi tốt với lực cảm biến mới. Phương pháp Cholesky nhanh hơn, phương pháp manifold chính xác hơn.