ブレイン・コンピュータ・インターフェイス（BCI）は、人間の神経信号とコンピュータを直接つなぐことで、神経・生理障害を持つ人間が、通常では不可能な方法で世界と相互作用できるようにするものです。しかし、BCIの入力は、高度な信号処理と機械学習技術を必要とし、扱いが難しい。BCIとロボットを自律性の共有というパラダイムで結びつけば、ユーザーは物理的に世界と対話することができるようになります。残念ながら、（制約の多い工場環境以外の）実世界でロボットを操作することは難しく、人工知能や制御理論におけるさらなる最先端の手法が必要である。私たちは現在、より汎用性の高いBCIロボット制御を実現するために、これらの分野の研究を統合・発展させるべく取り組んでいます。

ここ数年、多くの研究者が模倣学習法を開発しており、それぞれが様々なタスクで最先端の性能を発揮しています。しかし、データの前処理やハイパーパラメータの調整、あるいは単に計算量の増加など、ある手法の主張する貢献度以外の要因によって結果が容易に左右されることがあります。A Pragmatic Look at Deep Imitation Learningでは、多くの手法の貢献度を分解し、模倣学習手法の統一的なフレームワークを開発し、アルゴリズム間の公正な比較を行うことができるようにしました。また、他の研究者が模倣学習法を研究したり応用したりするための open source library も公開しました。

多くのビデオゲームでは、大量のゲームコンテンツを（半）自律的に作成するために、プロシージャルコンテンツ生成（PCG）を利用しています。乗り物のようなアセットでは、生成されるコンテンツは機能的であると同時に美的感覚に優れたものでなければならない。さらに、デザイナー、あるいはプレイヤーは、通常、さまざまなオプションから選択することを望みます。Space Engineersの3Dサンドボックスゲームでは、これを実現するために、進化計算のテクニックを組み合わせて使用しています。Evolving Spaceships with a Hybrid L-system Constrained Optimisation Evolutionary Algorithmでは、面白くて機能的な宇宙船を生成するための新しいハイブリッド進化的アルゴリズムを開発しました。その後、「Surrogate Infeasible Fitness Acquirement FI-2Pop for Procedural Content Generation」において、新しいフィットネス関数を開発し、さらにそれをよく知られたMAP-Elitesの「品質多様性」アルゴリズムに適用して、これを改良した。