การสร้างคำสั่งแบบสัญลักษณ์ (Symbolic Operators) สำหรับระบบวางแผนงาน (TAMP) มักเป็นคอขวดสำคัญในการพัฒนาหุ่นยนต์เนื่องจากต้องเขียนด้วยมือและมีความซับซ้อนสูง งานวิจัยนี้นำเสนอระบบที่สามารถเรียนรู้ได้จากข้อมูลการสาธิต โดยมีหัวใจหลักคือการสร้าง Macro-operators หรือการรวมชุดการทำงานย่อยที่เชื่อมโยงกันเป็นลำดับให้กลายเป็นคำสั่งเดียว
นอกจากนี้ ระบบยังมีความสามารถในการตัดทอนตัวแปรที่ไม่เกี่ยวข้อง (Predicate Selection) ออกจากฐานข้อมูลการค้นหา ทำให้การคำนวณในแต่ละขั้นตอนเบาลงอย่างมาก ผลการทดลองใน 4 โดเมนงานพบว่าช่วยเพิ่มความเร็วในการวางแผนได้สูงสุดถึง 4.6 เท่า และสามารถแก้โจทย์ที่มีลำดับขั้นตอนยาวต่อเนื่องซึ่งระบบเดิมไม่สามารถทำได้สำเร็จ
