Francisco M. López verteidigte am 20. April erfolgreich seine Doktorarbeit „Learning Active Perception through Abstraction“. Er forschte in der Gruppe von FIAS-Senior-Fellow Jochen Triesch, unterstützt vom Exzellenzcluster „The Adaptive Mind“ (TAM).

In seiner Arbeit entwickelte López Computermodelle, um besser zu verstehen, wie Menschen – insbesondere Kleinkinder – lernen, die Welt wahrzunehmen und mit ihr zu interagieren. Durch die Kombination von Methoden aus den Bereichen Variationsinferenz, bestärkendes Lernen und virtuelle Verkörperung schlug seine Doktorarbeit eine Brücke zwischen Entwicklungswissenschaft und künstlicher Intelligenz (KI). 

Sein zentraler Beitrag war die Mitwirkung an der Entwicklung von MIMo, einem multimodalen Säuglingsmodell, das Simulationen der sensomotorischen Entwicklung in Echtzeit übertreffender Geschwindigkeit ermöglicht. MIMo hat sich zu einer zunehmend beliebten Forschungsplattform innerhalb der Entwicklungs-KI-Community entwickelt. López’ Arbeit an einer erweiterten Version von MIMo wurde auf der IEEE International Conference on Development and Learning 2025 mit dem BabyBot Paper Award ausgezeichnet.

Das Hauptthema seiner Doktorarbeit war die Einführung der AVEC-Theorie (Active Variational Efficient Coding), einer Erweiterung der Hypothese der effizienten Kodierung auf die Bereiche der variationalen Inferenz und der aktiven Wahrnehmung. López zeigte, wie AVEC grundlegende Aspekte der sensomotorischen Koordination erklären kann, wie beispielsweise die Selbstkalibrierung des binokularen Sehens, wodurch MIMo in der Lage ist, Vergenz und Sakkaden ohne Überwachung zu erlernen. Über die aktive Wahrnehmung hinaus untersuchte López auch Aspekte der Wahrnehmungs- und ästhetischen Präferenzen. Es gelang ihm, mehrere Verhaltensbefunde zu reproduzieren, darunter die Attraktivität durchschnittlicher Gesichter sowie Vorlieben für Symmetrie und Vertrautheit.

López wird seine Arbeit als Postdoktorand in der Gruppe von Jochen Triesch am FIAS fortsetzen und gleichzeitig als Gastwissenschaftler an der University of New South Wales in Australien tätig sein.

Veröffentlichungen: 

López, F. M., Shi, B.E, & Triesch, J. (in press). Efficient Coding in Active Perception: A Developmental Perspective on Autonomous Control. Advances in Child Development and Behavior, 70. 

López, F. M., Kanazawa, H., Fiala, O., Balashov, Y., Marcel, V., Rustler, L., Lenz, M., Kim, D., Kuniyoshi, Y., Triesch, J., & Hoffmann, M. (under review). Simulating Infant First‑Person Sensorimotor Experience via Motion Retargeting from Babies to Humanoids. Submitted to 2026 IEEE International Conference on Development and Learning. 

López, F. M., Ernst, M. R., Cruz, F., Hoffmann, M., & Triesch, J. (under review). Infant Spontaneous Movement Noise Improves Exploration in Deep RL. Submitted to 2026 IEEE International Conference on Development and Learning. 

Philipp, L., López, F. M., & Triesch, J. (under review). Embodiment Shapes Rolling Behavior in a Multimodal Infant Model. Submitted to 2026 IEEE International Conference on Development and Learning. 

López, F. M., Lenz, M., Fedozzi, M. G., Aubret, A., & Triesch, J. (2025). MIMo grows! Simulating body and sensory development in a multimodal infant model. In 2025 IEEE International Conference on Development and Learning. 

Faßbender, L., Falck, J., López, F. M., Shing, Y. L., Triesch, J., & Schwarzer, G. (2025). A comparison of force adaptation in toddlers and adults during a drawer opening task. Scientific Reports, 15(1), 3699.

López, F. M., & Triesch, J. (2025). Hierarchical Residuals Exploit Brain‑Inspired Compositionality. In 2025 European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN). 

Mattern, D., Schumacher, P., López, F. M., Raabe, M. C., Ernst, M. R., Aubret, A. & Triesch, J. (2024). MIMo: A Multimodal Infant Model for Studying Cognitive Development. IEEE Transactions on Cognitive and Developmental Systems, 16(4), 1291‑1301. 

López, F. M., Shi, B. E., & Triesch, J. (2024) Prioritizing Compression Explains Human Perceptual Preferences. In Intrinsically‑Motivated and Open‑Ended Learning Workshop @ NeurIPS2024. 

López, F. M., Raabe, M. C., Shi, B. E., & Triesch, J. (2024). Self‑Calibrating Saccade‑Vergence Interactions. In 2024 IEEE International Conference on Development and Learning (ICDL) (pp. 1‑7). IEEE. 

Ernst, M. R., López, F. M., Aubret, A., Fleming, R. W., & Triesch, J. (2024). Self‑Supervised Learning of Color Constancy. In 2023 IEEE International Conference on Development and Learning (ICDL) (pp. 1‑7). IEEE. 

López, F. M., Shi, B. E., & Triesch, J. (2023). Eye‑hand coordination develops from active multimodal compression. In 2023 IEEE International Conference on Development and Learning (ICDL) (pp. 437‑442). IEEE.