นักวิจัยจาก IRIDIA มหาวิทยาลัย Université libre de Bruxelles (ULB) ประสบความสำเร็จในการพัฒนากลยุทธ์การเรียนรู้แบบเสริมแรงสำหรับหุ่นยนต์ฝูง ที่ช่วยให้การฝึกฝนในสภาพแวดล้อมจำลองสามารถถ่ายโอนไปยังการทำงานของหุ่นยนต์จริงได้อย่างน่าเชื่อถือ ปัญหานี้เรียกว่า "reality gap" ซึ่งมักเกิดจากการที่การเสียดสี เสียงเซ็นเซอร์ และความไม่แม่นยำทางกลไกของหุ่นยนต์จริงไม่ตรงกับการจำลอง ส่งผลให้ทักษะที่เรียนรู้มาใช้ไม่ได้ผลในโลกจริง
ทีมวิจัยนำโดย Mauro Birattari และ Ilyes Gharbi ได้แก้ปัญหานี้โดยการจำกัดอิสระของอัลกอริทึมการเรียนรู้ ไม่ให้เลือกความเร็วล้อโดยตรง แต่ให้เลือกจากพฤติกรรมที่ทดสอบแล้วเพียงไม่กี่อย่าง เช่น การเคลื่อนที่เข้าหาแสง การรวมกลุ่ม หรือการสำรวจ วิธีการนี้ช่วยป้องกันไม่ให้หุ่นยนต์เรียนรู้ที่จะใช้ประโยชน์จากความแปลกประหลาดของตัวจำลองที่ไม่มีอยู่จริง สิ่งที่เหลือให้เรียนรู้จึงเป็นส่วนสำคัญที่แท้จริง นั่นคือ การตัดสินใจว่าจะเปลี่ยนจากพฤติกรรมหนึ่งไปสู่อีกพฤติกรรมหนึ่งเมื่อใด เพื่อให้กลุ่มหุ่นยนต์ทำงานร่วมกันได้อย่างมีประสิทธิภาพ ผลการทดสอบกับหุ่นยนต์ e-puck 20 ตัวในห้าภารกิจร่วมกันแสดงให้เห็นว่าวิธีการนี้ถ่ายโอนสู่โลกจริงได้อย่างน่าเชื่อถือและมีประสิทธิภาพสูงกว่าวิธีการควบคุมมอเตอร์โดยตรง.