การวิจัยนี้แนะนำ TAG (Testbed for Autonomous Games) ซึ่งเป็นแพลตฟอร์มหุ่นยนต์ขนาดกะทัดรัดและต้นทุนต่ำที่สร้างขึ้นเพื่อสำรวจการเรียนรู้และการควบคุมในระบบพลวัตที่มีการเชื่อมโยงทางกายภาพอย่างใกล้ชิด แพลตฟอร์ม TAG ประกอบด้วยกระดานเขาวงกตลูกบอลที่สามารถเอียงและบังคับเลี้ยวได้ ร่วมกับลูกตุ้มผกผันแบบหมุนที่ติดตั้งอยู่ด้านบน ระบบทั้งสองส่วนมีการรบกวนซึ่งกันและกัน: แรงบิดปฏิกิริยาและการสั่นสะเทือนของลูกตุ้มจะรบกวนกระดานและลูกหิน ในขณะที่การเอียงของกระดานซึ่งขับเคลื่อนโดยนโยบายการแก้เขาวงกต ก็จะรบกวนความสมดุลของลูกตุ้ม
ความท้าทายหลักในการเรียนรู้นโยบายควบคุมสำหรับแต่ละระบบย่อยคือการคำนึงถึงผลกระทบของพลวัตของระบบย่อยหนึ่งต่อกระบวนการเรียนรู้ของอีกระบบย่อยหนึ่ง เพื่อแก้ไขปัญหานี้ นักวิจัยได้นำเสนอแนวคิดการเรียนรู้แบบเสริมแรง (reinforcement learning) ที่ใช้ทั้งวิธีการอิงโมเดล (model-based) สำหรับการควบคุมเขาวงกต และวิธีการไม่พึ่งโมเดล (model-free) สำหรับลูกตุ้ม ผลการวิจัยที่สำคัญคือ การเพิ่มลูกตุ้มเข้าไปในระบบทำให้ความสำเร็จของนโยบายเขาวงกตลดลงอย่างรวดเร็วในตอนแรก แต่ระบบสามารถปรับตัวออนไลน์และฟื้นฟูประสิทธิภาพกลับสู่ระดับเดิมได้ภายในจำนวนตอนเรียนรู้ที่น้อย การทดลองแสดงให้เห็นว่านโยบายทั้งสองที่ได้รับการฝึกอย่างอิสระ สามารถควบคุมทั้งกระดานเขาวงกตและลูกตุ้มได้อย่างประสบความสำเร็จ แม้จะมีการเชื่อมโยงทางกายภาพระหว่างกัน