การนำทางของหุ่นยนต์สี่ขาในสภาพแวดล้อมเมืองที่มีความซับซ้อนมักต้องการระบบวางแผนเส้นทางที่ยืดหยุ่น งานวิจัยนี้จึงนำเสนอ Go2-DrivoR ซึ่งเป็นการนำแนวคิด End-to-End จากระบบขับขี่อัตโนมัติในรถยนต์มาปรับใช้กับหุ่นยนต์สี่ขา โดยเน้นการวางแผนเส้นทางที่อ้างอิงตามเป้าหมาย (Goal-conditioned)
ทีมวิจัยได้ทำการปรับปรุงส่วนการประมวลผลวิถี (Trajectory generation) โดยใช้ 'Goal token' เพื่อระบุเป้าหมายในเฟรมท้องถิ่น และปรับเปลี่ยนวิธีการให้คะแนนความเหมาะสมของเส้นทางใหม่เพื่อให้สอดคล้องกับการเคลื่อนที่บนทางเท้าแทนที่จะเป็นบนถนนเพียงอย่างเดียว นอกจากนี้ยังมีการกำหนดขอบเขตพื้นที่ที่สามารถเคลื่อนที่ได้ (Drivable-area) ให้เหมาะกับบริบทของหุ่นยนต์เดินเท้า
โมเดลนี้ถูกฝึกฝนผ่านข้อมูลจำลองจาก TartanGround เท่านั้น แต่ผลลัพธ์แสดงให้เห็นว่าสามารถนำไปใช้งาน (Zero-shot transfer) ในการคาดการณ์เส้นทางบนโลกแห่งความเป็นจริงได้ดี ซึ่งช่วยพิสูจน์ว่าระบบที่พัฒนามาเพื่อรถยนต์สามารถนำมาปรับปรุงใช้กับหุ่นยนต์รูปแบบอื่นได้โดยไม่ต้องออกแบบใหม่ทั้งหมด
