งานวิจัยนี้มุ่งเน้นการแก้ปัญหาหุ่นยนต์ที่ได้รับความเสียหายทางกายภาพอย่างถาวร เช่น ขาขาดหรือข้อต่อล็อก ซึ่งปกติการเลือกท่าเดินใหม่มักทำจากการทดลองสั้นๆ ที่อาจไม่ยั่งยืนเมื่อต้องเดินต่อเนื่องเป็นเวลานาน ผู้วิจัยจึงนำเสนออัลกอริทึม PGRR ซึ่งทำงานโดยการทำนายผลลัพธ์หลายรูปแบบจากการประมวลผลท่าเดินซ้ำๆ และใช้การประมาณค่าความไม่แน่นอนที่ระมัดระวัง (Conservative uncertainty-aware estimates) มาช่วยในการตัดสินใจเลือกท่าเดินโดยไม่ต้องรีเซ็ตสถานะทางกายภาพของหุ่นยนต์
จากการทดสอบในสภาพแวดล้อมจำลอง MuJoCo กว่า 108 รูปแบบ ครอบคลุมทั้งการตัดขาและข้อต่อล็อก พบว่า PGRR สามารถเพิ่มคุณภาพการกู้คืนท่าเดินและลดอัตราความล้มเหลวลงได้ถึง 27.8 เปอร์เซ็นต์เมื่อเทียบกับวิธีการดั้งเดิม แสดงให้เห็นว่าการจัดการกับความไม่แน่นอนในการกู้คืนสถานะเป็นปัจจัยสำคัญที่ช่วยให้หุ่นยนต์ปรับตัวได้จริงในสถานการณ์ต่อเนื่อง
