گروهی به سرپرستی گوانگیوان وانگ روشی را شرح داده‌اند که هنگام اجرا، سیاست‌های ازپیش‌آموزش‌دیده ربات را بدون گردآوری نمایش‌های جدید یا آموزش دوباره، با موانع سازگار می‌کند. این روش مسیر پیش‌بینی‌شده ربات را ارزیابی می‌کند و اصلاحات لازم برای دوری از موانع را در سراسر توالی حرکات پخش می‌کند؛ به‌جای آنکه هر گام را جداگانه اصلاح کند.
پژوهشگران در آزمون‌هایی شامل هفت سناریوی دارای محدودیت مانع و چهار وظیفه دست‌کاری، از ۱۴۰ وظیفه، ۱۰۵ مورد موفقِ بدون برخورد را گزارش کردند. این رقم در روش هدایت نقطه‌ای با کنش مطلق، ۸ مورد از ۱۴۰ بود. این‌ها نتایج گزارش‌شده در آزمایش‌اند؛ چکیده مشخص نمی‌کند روش در سناریوهای دیگر چه عملکردی دارد.
چرا مهم است
برای پژوهشگران رباتیک که می‌خواهند سیاست‌های ازپیش‌آموزش‌دیده را با موانع جدید سازگار کنند، این نتیجه نشان می‌دهد هماهنگ‌کردن اصلاحات در سراسر توالی حرکات می‌تواند بدون آموزش دوباره مفید باشد؛ هرچند عملکرد روش در سناریوهای آزمایش‌نشده مشخص نیست.
