การฝึกหุ่นยนต์ตัวเดียวให้ทำได้หลายอย่างมักเจอปัญหาความขัดแย้งระหว่างภารกิจ งานวิจัยนี้จึงเสนอวิธีการฝึก 3 ขั้นตอน เริ่มจากการสร้าง 'นโยบายครู' (Teacher policies) สำหรับแต่ละงานแยกกัน จากนั้นจึงใช้การกลั่นกรองความรู้ (Distillation) มาสร้าง 'นโยบายนักเรียน' เพียงหนึ่งเดียว
จุดเด่นอยู่ที่กระบวนการ Adversarial Task Selection ซึ่งจะเน้นการฝึกในงานที่หุ่นยนต์ยังทำได้ไม่ดีเป็นพิเศษ ทำให้หุ่นยนต์สามารถเรียนรู้ทักษะที่แตกต่างกันถึง 22 ทักษะจากครูเพียง 8 คน ผลลัพธ์ที่ได้คือหุ่นยนต์ที่สามารถผสมผสานทักษะเก่าเป็นทักษะใหม่ได้ เช่น การนำท่าเดินและท่าขุดมารวมเป็นท่าคลาน และมีการทดสอบประสิทธิภาพจริงบนหุ่นยนต์ Unitree B1 ซึ่งยืนยันความทนทานและการตอบสนองต่อคำสั่งที่แม่นยำ
