ความสามารถในการเข็นรถเข็นเป็นงานสำคัญสำหรับหุ่นยนต์ฮิวแมนนอยด์ในภาคการผลิตและโลจิสติกส์ แต่ความท้าทายอยู่ที่การใช้สองมือจับรถเข็นจะสร้างวงจรการส่งแรง (Force-coupled loop) ที่ส่งผลกระทบต่อการทรงตัวของหุ่นยนต์ ผู้วิจัยจึงเสนอ ForPC ซึ่งใช้การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) สองขั้นตอนเพื่อจัดการกับปัญหาความเร็วและการทรงตัว
จุดเด่นของ ForPC คือการไม่ต้องใช้เซนเซอร์วัดแรงภายนอก แต่ใช้การอนุมานค่าแรงและสถานะจากข้อมูลภายในตัวหุ่นยนต์ (Onboard observations) เพื่อปรับการเคลื่อนไหวของแขน เอว และขาให้สัมพันธ์กับความเร็วที่ต้องการ จากการทดสอบพบว่าสามารถลดความคลาดเคลื่อนของความเร็วได้ถึง 68.2% และสามารถนำไปใช้งานจริงกับหุ่นยนต์ Unitree G1 โดยเข็นรถเข็นหนัก 30 กก. ได้ที่ความเร็ว 0.5 เมตรต่อวินาทีโดยไม่ต้องปรับจูนเพิ่มในโลกจริง
