หุ่นยนต์แบบขึงสลิง (Cable-driven parallel robots หรือ CDPR) มีความท้าทายในการควบคุมเนื่องจากความซับซ้อนของพลศาสตร์แบบไม่เชิงเส้น โดยทั่วไปการฝึกสอน AI มักจะฝึกให้ควบคุมตำแหน่งที่ปลายแขนหุ่นยนต์ แต่ผลลัพธ์มักไม่สามารถนำไปใช้กับหุ่นยนต์ที่มีโครงสร้างต่างออกไปได้
นักวิจัยจึงเสนอแนวคิด 'Actuator-level Policy (ALP)' ซึ่งเป็นการฝึก AI ให้ควบคุมระดับความยาวของสายสลิงในแต่ละมอเตอร์แยกจากกัน วิธีการนี้มีข้อดีสองประการหลักคือ: หนึ่ง โมเดลเดียวสามารถใช้กับหุ่นยนต์กี่มอเตอร์ก็ได้ และสอง ไม่จำเป็นต้องคำนวณ Forward Kinematics ที่ซับซ้อน
การทดลองแสดงให้เห็นว่า นโยบายที่ฝึกจากหุ่นยนต์จำลองแบบ 2 มิติที่มี 4 มอเตอร์ สามารถนำไปควบคุมหุ่นยนต์จริงแบบ 3 มิติที่มี 8 มอเตอร์ได้สำเร็จ ซึ่งพิสูจน์ถึงความสามารถในการปรับใช้ (Generalization) ที่ยอดเยี่ยมและมีความแม่นยำสูงกว่าวิธีการเดิม
