การทำให้หุ่นยนต์เดินตามคนในพื้นที่ที่มีคนพลุกพล่านมักเกิดปัญหาว่า หากเดินใกล้เกินไปจะเสี่ยงชน แต่ถ้าห่างเกินไปจะทำให้คลาดกับเป้าหมาย งานวิจัยนี้แก้ปัญหาโดยการแยกส่วนงานออกเป็น 'รางวัลหลัก' และ 'ข้อจำกัดแยกอิสระ' (Multi-constraint RL) แทนการรวมทุกอย่างไว้ในรางวัลเดียว
แนวทางนี้ช่วยให้ผู้ควบคุมสามารถปรับเปลี่ยนพฤติกรรมของหุ่นยนต์ผ่านเกณฑ์ต้นทุน (Cost thresholds) ที่เข้าใจง่ายและมีความหมายในทางปฏิบัติ เช่น ระยะห่างที่ปลอดภัยขั้นต่ำ นอกจากนี้ยังมีการเพิ่มระบบประเมินความไม่แน่นอนของการเคลื่อนที่ของมนุษย์ เพื่อช่วยให้หุ่นยนต์ตัดสินใจได้ปลอดภัยขึ้นในสถานการณ์ที่พฤติกรรมคนรอบข้างคาดเดาได้ยาก โดยมีการทดสอบทั้งในโลกจำลองและหุ่นยนต์จริงแล้ว
