การฝึกหุ่นยนต์ให้ทำงานจัดการวัตถุ (Manipulation) มักต้องใช้ข้อมูลจากการสาธิตโดยมนุษย์จำนวนมาก แต่งานวิจัยชิ้นนี้ได้กลับไปศึกษาโจทย์คลาสสิกอย่าง "Push-T" (การผลักบล็อกรูปตัว T เข้าเป้าหมาย) ผ่านมุมมองของ Agentic Robotics หรือการใช้เอเจนท์ AI มาเขียนโปรแกรมควบคุมแทน
ทีมวิจัยใช้ Claude Code ร่วมกับโมเดล Fable 5 ในการสร้างอัลกอริทึมแก้ปัญหาด้วยการเขียนโค้ด ผลลัพธ์ที่น่าทึ่งคือ AI สามารถหาเครื่องมือจำลองในอินเทอร์เน็ตได้เอง และทำการทดลองซ้ำเพื่อเรียนรู้ฟิสิกส์ของการผลักวัตถุ จนสามารถทำงานสำเร็จ 100% โดยใช้จำนวนก้าวการทำงานน้อยกว่าวิธี Diffusion Policy ที่ฝึกจากมนุษย์ถึง 46%
นอกจากนี้ ระบบยังสามารถขยายผลไปสู่การผลักวัตถุรูปทรงตัวอักษร A ถึง Z และสร้างโค้ดควบคุมสำหรับหุ่นยนต์แขนกลอุตสาหกรรมอย่าง Franka และ UR5 ในสภาพแวดล้อม 3 มิติได้อีกด้วย ซึ่งชี้ให้เห็นถึงศักยภาพในการใช้ AI เป็นเครื่องมือสร้างโปรแกรมควบคุมหุ่นยนต์โดยอัตโนมัติ
