บทความวิจัยนี้นำเสนอโครงสร้างการควบคุมแบบลำดับขั้น (Hierarchical Architecture) สำหรับหุ่นยนต์ฮิวแมนนอยด์ เพื่อแก้ปัญหาความท้าทายในการรักษา 'สไตล์' การเคลื่อนไหวแบบนักกีฬามืออาชีพไปพร้อมกับการทำงานที่แม่นยำ โดยระบบจะแยก 'ตัววางแผน' (Planner) ที่ทำหน้าที่สร้างการเคลื่อนไหวตามสไตล์ที่เรียนรู้จากวิดีโอการแข่งขันจริง ออกจาก 'ตัวติดตาม' (Tracker) ที่มีหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพให้มีความผิดพลาดน้อยที่สุด
หัวใจสำคัญของงานวิจัยนี้คือการจัดการกับปัญหา Sim-to-Real หรือความเหลื่อมล้ำระหว่างการฝึกในคอมพิวเตอร์และการใช้งานจริงบนฮาร์ดแวร์ โดยนักวิจัยได้ใช้วิธีฝึกฝนตัวติดตามด้วยความเร็วในการทำงานที่หลากหลาย (Randomized Execution Speeds) และใช้ระบบการเรียนรู้เพื่อปรับความเร็วในการวางแผน ซึ่งช่วยลดความผิดพลาดสะสมที่เกิดจากการรับรู้ที่คลาดเคลื่อนและการทำงานของระบบแบบต่อเนื่องได้
