การทำให้หุ่นยนต์ทำงานได้อย่างยืดหยุ่นในสภาพแวดล้อมที่หลากหลายไม่ได้ขึ้นอยู่กับความแม่นยำเพียงอย่างเดียว แต่ยังรวมถึงวิธีการเคลื่อนไหวที่เหมาะสมกับสถานการณ์ งานวิจัยนี้นำเสนอ MoMo เฟรมเวิร์กที่ใช้วิธีแปลงการเคลื่อนไหวเป็นโทเคนเชิงมิติและเวลา (Spatiotemporal action tokenization) เพื่อแยกแยะและเรียนรู้ 'โหมดการเคลื่อนไหว' ในรูปแบบของปัจจัยพฤติกรรมที่นำกลับมาใช้ซ้ำได้
จากการทดสอบกับหุ่นยนต์จริงใน 6 ภารกิจพบว่า MoMo สามารถสร้างพฤติกรรมที่แตกต่างกันได้ เช่น การเคลื่อนที่แบบสม่ำเสมอ หรือแบบรวดเร็ว โดยอาศัยเพียงอินพุตของภารกิจและเงื่อนไขโหมดการเคลื่อนที่ต่อเนื่อง จุดเด่นสำคัญคือความสามารถในการถ่ายโอนโหมดการเคลื่อนไหวไปยังภารกิจที่หุ่นยนต์เคยเรียนรู้เพียงโหมดเดียวได้สำเร็จ ซึ่งแสดงให้เห็นถึงความเข้าใจในระดับองค์ประกอบที่สามารถนำไปปรับใช้กับสถานการณ์ใหม่ๆ ได้
