Fysieke interactie met de echte wereld is een enorme uitdaging in kunstmatige intelligentie (KI). CONTACT-AI verkent nieuwe kanstheoretische technieken, op basis van computationele neurowetenschappen, om lopende robots tastend te laten verkennen wanneer visie onduidelijke informatie geeft. We gebruiken verklaarbare modellen om een intelligente robot te laten wisselen tussen lopen en dynamische interacties met obstakels. De beoogde implementatie (Bayesiaans machinaal leren via informatiestromen op factor grafen) is computationeel efficiënt genoeg om op kleine micro-computers aan boord van de robot te draaien. CONTACT-AI levert methodes voor belichaamde KI systemen die de markt voor lopende robots verbeteren in termen van robuustheid en autonomie.