เพื่อก้าวข้ามขีดจำกัดของการฝึกฝนหุ่นยนต์แบบคงที่ RoboACE นำเสนอแนวคิด Adversarial Co-Evolution ซึ่งเป็นการพัฒนาส่วนการสร้างโจทย์ (Curriculum Harness) และส่วนการดำเนินการ (Execution Harness) ไปพร้อมๆ กัน ระบบจะพยายามค้นหาจุดอ่อนในความสามารถปัจจุบันของหุ่นยนต์และสร้างความท้าทายใหม่ๆ เพื่อให้หุ่นยนต์เรียนรู้วิธีการกู้คืนและปรับปรุงทักษะการทำงาน
ผลการทดสอบบนแพลตฟอร์ม LIBERO-PRO พบว่า RoboACE ช่วยให้ระบบมีอัตราความสำเร็จในการทำงานเพิ่มขึ้นถึง 15% เมื่อเทียบกับการตั้งค่าแบบดั้งเดิม และทำงานได้ดีกว่าการใช้ตัวควบคุม VLA เพียงอย่างเดียว โดยระบบสามารถเรียนรู้ทักษะใหม่ๆ เช่น การเปิดลิ้นชักและการจัดการกับสถานการณ์ที่ต้องมีการแทรกแซงได้อย่างแม่นยำยิ่งขึ้น
