ACP комбинира обучение с подсилване и имитация, за да реши проблемите с цялостното управление на роботите. Обучението с подсилване позволява на роботите да се усъвършенстват чрез многократни опити и обратна връзка, докато имитацията ги учи да изпълняват предварително определени действия. Обучението с подсилване обаче може да бъде предизвикателство със сложна координация, а системите, базирани на имитация, могат да се затруднят при адаптацията към непознати препятствия.

Според екипа, вместо да генерира пълна последователност от движения на тялото, ACP определя подходящите точки на контакт с околния терен. След това отделен контролер координира ставите на робота, за да постигне тези точки.

Например, когато се качва по стълби, роботът трябва да определи подходящите стъпала за ръцете и краката си. След това неговият контролер координира движенията на ръцете, краката и торса му между тези точки, като същевременно поддържа опора. Този подход позволява на робота да адаптира движенията си, без да следва фиксирана последователност на катерене.

Планировчикът на контакти използва невронна мрежа, базирана на механизъм за внимание, за да обработва информацията за терена, вътрешното състояние на робота и дефинираната от потребителя цел. Входните данни включват позиции и скорости на ставите, както и ориентация на торса. Системата планира контактите за девет части на тялото: две ръце, два лакътя, две колене, два крака и таз. Това позволява на робота да използва горната част на тялото си за опора в ситуациите, където самото ходене е недостатъчно.

Изследователите съобщават, че обучението е протичало на три етапа. Първо, контролерът на цялото тяло се е научил да изпълнява планове за контакт, използвайки 13,2 минути данни за човешкото движение, адаптирани към структурата на тялото и физическите ограничения на робота. След това изследователите съвместно са обучавали планировчикът на контакти и контролера. Накрая, обучението с подсилване е помогнало на системата да се адаптира към процедурно генерирани среди отвъд първоначалните демонстрации. Успешните изпитания са предоставили допълнителни примери за обучение.

В реални условия, G1 демонстрира катерене по стълби, преминаване през скалист терен, пълзене, прескачане на препятствия и възстановяване от падания. По време на симулациите системата е постигнала среден процент на успех от 92,5% на осем трудни трасета с препятствия, в сравнение с 58,8% за базовия метод MGMT – подход, базиран на генериране и проследяване на движението. Тези цифри отразяват резултатите от симулациите, а не действителните проценти на успех.

Обучението с подсилване включва постепенно усъвършенстване на действията на робота чрез получаване на обратна връзка, докато взаимодейства със средата си. Този подход обаче не гарантира стабилна производителност. Дори след като е научил задача, роботът може да се движи непредсказуемо или да се отклонява значително от маршрута си.