หนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดของวิทยาการหุ่นยนต์คือ Sim-to-Real Transfer หรือการทำให้หุ่นยนต์ที่เรียนรู้ในโปรแกรมจำลองทำงานได้ดีในโลกจริง นักวิจัยจึงพัฒนา LyEvO เฟรมเวิร์กที่นำความรู้ด้านพลศาสตร์ของระบบ (System Dynamics) มาใช้ร่วมกับอัลกอริทึมวิวัฒนาการ (Evolutionary Optimization) และการตรวจสอบโมเดลเชิงสถิติ
จุดเด่นของ LyEvO คือการใช้ Lyapunov Analysis ในการกำหนดขอบเขตความเสถียรเบื้องต้น จากนั้นระบบจะวนซ้ำเพื่อปรับปรุงและตรวจสอบนโยบายการควบคุม (Policy) ภายใต้สถานการณ์ต่างๆ จนกว่าจะมั่นใจได้ว่าโมเดลมีความปลอดภัยเพียงพอสำหรับการใช้งานจริง ผลการทดสอบกับหุ่นยนต์คาร์ทโพลและโดรน 3 มิติ ยืนยันว่าเฟรมเวิร์กนี้ช่วยให้การเปลี่ยนผ่านจากโลกจำลองสู่โลกจริงเป็นไปอย่างราบรื่นและลดความเสี่ยงจากความไม่แน่นอนของสภาพแวดล้อม
