1、【触觉与视觉的整合】
当人与环境进行相互作用时，我们的感觉系统会感受到各种信号，必须对这些信号进行加工与整合才能得到正确的完整的信息，减少单独信号中噪音的影响。
Frank和Marc（2007）选择了物体的亮度作为视觉维度，物体的刚度作为触觉维度的视觉-触觉框架中进行测试，在人类无法在自然环境中将这两种感觉信号建立起联系的基础上，探究人类是否会在训练后学习到视觉和触觉信号的统计与整合。
【方法】
研究者使用上图装置来产生视觉和触觉刺激。被试的头部固定在头和下巴托上，中央的平面是一个镜子，被试可以从镜子中看到上方计算机屏幕呈现的物体的亮度；在下方，被试的食指连接机械手，可以从多个参数上触摸到呈现物体的刚度，并会收到力反馈。（研究者使用了SGI Octane 2来驱动视觉和触觉仿真。GHoST用于生成触觉场景，使用弹性系数为k的线性弹簧模型对呈现物体的刚度进行建模，而带有GLUT的OpenGL用于视觉场景呈现。）
刺激是带有触觉和视觉信息的扁平正方形。在一组呈现内，在屏幕上随机顺序依次呈现三个带有触觉、视觉信号的正方形，被试得知其中两个正方形完全相同，有一个不同，被试需要报告不同的那一个。其中，一个正方形的亮度和刚度并不是完全匹配的，而是分为两种：高亮度与高刚度匹配（正相关）；低亮度与高刚度匹配（负相关）。所以整个实验有4种条件：测量时间（前测、后测，其中有训练阶段）×匹配（正相关、负相关）。
【结果】后测中视觉和触觉两种信号都被用来进行判断，即被试可以学习到将两种独立感觉信号进行整合，但是并没有完全地使用可用信息。
2、【运动控制】
运动控制的定义：调节或者管理动作所必须机制的能力。
运动学习的定义：对运动获得和改善的学习。
Lackner和Dizio （1994）通过手臂以不同的速度到达终点的实验发现，即使没有运动反馈，身体运动和躯体感觉的影响仍可用于更新运动控制。说明在与环境相互作用的过程中，人们的感觉运动控制系统利用感觉信息来适应新的动力。
Gordon等人（1993）测量当被试举起不同形状、重量和密度的常用物体时其所用的力气。发现被试会使用预期控制所施加的力，并根据物体的实际重量反馈在下一次托举中进行调整。这样的预期控制具有很强的目的性及精确性，使被试对不同的物体形成了动作记忆。
Gandolfo（1996）通过对物体不同的抓握方式研究人类如何适应干扰手臂运动的力。当让被试从一种抓握方式转换为另一种抓握方式时被试的动作会首先受到干扰，之后会适应。
