ปัญหาใหญ่ของการเรียนรู้แบบเลียนแบบ (Imitation Learning) คือเมื่อหุ่นยนต์เจอสภาพแวดล้อมที่เปลี่ยนไปหรือระบบควบคุมไม่แม่นยำ หุ่นยนต์อาจจะหยุดชะงักและทำงานไม่สำเร็จ งานวิจัยนี้จึงเสนอแนวทางที่เรียกว่า Adaptive Ergodic Imitation เพื่อแก้ปัญหานี้
ระบบจะสร้างการกระจายเป้าหมาย (Target Distribution) จากข้อมูลการสาธิตที่เคยมี และสร้างเส้นทางการเคลื่อนที่ที่สามารถปรับจูนระหว่างการติดตามเส้นทางเดิม (Tracking) และการสำรวจพื้นที่รอบๆ (Exploration) ได้อย่างชาญฉลาด วิธีนี้ช่วยให้หุ่นยนต์สามารถหาทางออกใหม่ๆ ได้เองเมื่อเจอปัญหาหน้างานโดยที่ยังคงยึดเป้าหมายหลักตามที่ได้รับสอนมา
