หุ่นยนต์ฮิวแมนนอยด์ส่วนใหญ่มักมีปัญหาเมื่อต้องเจอกับสภาพพื้นผิวที่ไม่ราบเรียบ แต่ระบบ 'Light-Loco-Parkour' (LLP) ที่พัฒนาขึ้นใหม่นี้ได้ก้าวข้ามขีดจำกัดดังกล่าว โดยเป็นระบบควบคุมแบบ End-to-end ที่ตัดสินใจเลือกทักษะการเคลื่อนไหวได้เองจากข้อมูลกล้อง Depth และคำสั่งความเร็วเพียงอย่างเดียว ไม่ว่าจะเป็นการเดินปกติ การทรงตัว การปีน การก้าวลง หรือการกระโดดค้ำถ่อ (Vault)
ความโดดเด่นของ LLP คือการใช้การเรียนรู้เสริมกำลัง (Reinforcement Learning) ร่วมกับเทคนิค 'Multi-skill Distillation' เพื่อรวบรวมทักษะต่างๆ เข้าไว้ในนโยบาย (Policy) เดียว โดยไม่ต้องมีการตั้งโปรแกรมแยกส่วนสำหรับแต่ละท่าทาง หรือใช้ตารางการเคลื่อนไหวที่เขียนโค้ดไว้ล่วงหน้า ระบบสามารถเรียนรู้การเปลี่ยนผ่านระหว่างทักษะได้อย่างลื่นไหลตามสภาพภูมิประเทศที่พบ
จากการทดลองทั้งในโปรแกรมจำลองและฮาร์ดแวร์จริงทั้งในและนอกอาคาร พบว่าหุ่นยนต์สามารถเคลื่อนที่ผ่านสิ่งกีดขวางที่ซับซ้อนและไม่เคยเห็นมาก่อนได้อย่างมีประสิทธิภาพ นับเป็นก้าวสำคัญของการพัฒนาหุ่นยนต์ที่สามารถทำงานได้ในโลกจริงอย่างเป็นอิสระ
