งานวิจัยชิ้นนี้เสนอ GaitSpan ซึ่งเป็นเฟรมเวิร์กที่ออกแบบมาเพื่อแก้ปัญหาความซับซ้อนในการฝึกหุ่นยนต์ฮิวแมนนอยด์ให้เคลื่อนที่ได้หลายรูปแบบ โดยไม่ต้องเริ่มต้นฝึกใหม่ตั้งแต่ต้น (from scratch) สำหรับทุกๆ ความเร็วหรือท่าทาง โดย GaitSpan จะใช้ทักษะการเดินที่ได้รับการฝึกไว้แล้วล่วงหน้าเป็น 'เมล็ดพันธุ์' (Seed skill) เพื่อนำโครงสร้างการทรงตัวและการประสานงานร่างกายมาใช้ใหม่
กระบวนการขยายทักษะของ GaitSpan ประกอบด้วย 3 ส่วนหลัก ได้แก่ การสร้างจังหวะ (Rhythm generation) ที่ใช้ Internal clocks ควบคุมนโยบายเดิม, การปรับรูปร่างก้าวย่าง (Stride shaping) ที่ใช้หลักฟิสิกส์เพื่อสร้างรูปแบบการเคลื่อนที่ที่เหมาะสมกับความเร็วสูง และการปรับแก้ส่วนต่าง (Residual adaptation) เพื่อจัดการกับรายละเอียดความเคลื่อนไหวที่ซับซ้อน
ผลการทดสอบแสดงให้เห็นว่า GaitSpan สามารถสร้างนโยบายการควบคุมเดียวที่ครอบคลุมความเร็วอย่างต่อเนื่อง ตั้งแต่การเดินไปจนถึงการวิ่ง และสามารถนำไปใช้งานข้ามหุ่นยนต์ที่มีโครงสร้างต่างกัน (Morphologies) รวมถึงใช้งานในสภาพภูมิประเทศจริงได้ทันทีโดยไม่ต้องฝึกเพิ่ม (Zero-shot transfer)
