Jag undersöker de beräkningsmässiga aspekterna av en agents interna, handlingsorienterade representation av sin egen kropp – ofta kallad kroppsschema (body schema). Min forskning fokuserar på hur denna modell kontinuerligt uppdateras genom integration av multimodal sensorisk information. För att studera denna dynamiska process använder jag ramverken "predictive processing" och "active inference". Dessa ramverk utgår från att hjärnan ständigt genererar förutsägelser om inkommande sensoriska signaler och minimerar prediktionsfel genom både perception och handling. I min forskning undersöker jag hur sådana prediktiva mekanismer, baserade på hierarkisk Bayesiansk inferens, ligger till grund för skapandet och uppdateringen av kroppsschemat. Jag testar dessa idéer genom att implementera neuralt inspirerade beräkningsmodeller på vårt labbs egenutvecklade humanoida plattformar, och därigenom kopplar jag samman teoretisk neurovetenskap med förkroppsligad robotik.