🤖 machine learning

RLDX-1 Technical Report

यह शोधपत्र RLDX-1 प्रस्तुत करता है, जो मल्टी-स्ट्रीम एक्शन ट्रांसफॉर्मर (MSAT) आर्किटेक्चर पर आधारित एक सामान्य रोबोटिक पॉलिसी है, जो विषम मोडैलिटीज़ और विशिष्ट सिस्टम डिज़ाइन्स को एकीकृत करता है ताकि जटिल, संपर्क-समृद्ध और गतिशील वास्तविक दुनिया के डेक्सट्रस मैनिपुलेशन कार्यों में मौजूदा विज़न-लैंग्वेज-एक्शन मॉडल्स से काफी बेहतर प्रदर्शन किया जा सके।

मूल लेखक: Dongyoung Kim, Huiwon Jang, Myungkyu Koo, Suhyeok Jang, Taeyoung Kim, Beomjun Kim, Byungjun Yoon, Changsung Jang, Daewon Choi, Dongsu Han, Donguk Lee, Heeseung Kwon, Hojin Jeon, Jaehyun Kang, Jaekyoun

प्रकाशित 2026-05-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Dongyoung Kim, Huiwon Jang, Myungkyu Koo, Suhyeok Jang, Taeyoung Kim, Beomjun Kim, Byungjun Yoon, Changsung Jang, Daewon Choi, Dongsu Han, Donguk Lee, Heeseung Kwon, Hojin Jeon, Jaehyun Kang, Jaekyoung Bae, Jihyuk Lee, Jimin Lee, John Won, Joonwoo Ahn, Junhyeong Park, Junyoung Sung, Kyungmin Lee, Minseong Han, Minsung Yoon, Sejune Joo, Seonil Son, Seungcheol Park, Seunggeun Cho, Seungjun Moon, Seungku Kim, Yonghoon Dong, Yongjin Cho, Youngchan Kim, Chang Hwan Kim, Dohyeon Kim, Hazel Lee, Heecheol Kim, Hensen Ahn, Hyungkyu Ryu, Hyunsoo Choi, Hyunsoo Shin, Jaeheon Jung, Jaewoo Kim, Jinwook Kim, Joochul Chang, Joonsoo Kim, Junghun Park, Jungwoo Park, Junho Cho, Junhyeok Park, Junwon Lee, Kangwook Lee, Kwanghoon Kim, Kyoungwhan Choe, Manoj Bhadu, Nayoung Oh, Sangjun Kim, Sangwoo Kim, Seunghoon Shim, Seunghyun Kim, Seungjun Lee, Seungyup Ka, Sungryol Yang, Wook Jung, Yashu Shukla, Yeonjae Lee, Yeonwoo Bae, Jinwoo Shin

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपने एक ऐसा रोबोट बनाया है जो निर्देशों को पढ़ने और छवियों को देखने में अविश्वसनीय रूप से स्मार्ट है। वह जानता है कि "कप" क्या है, "डालना" (pouring) क्या होता है, और उनके बारे में धाराप्रवाह बोल सकता है। यह एक ऐसे रोबोट की तरह है जिसके पास सिद्धांत में पीएचडी है, लेकिन वास्तविक दुनिया का कोई अनुभव नहीं है। यदि आप उससे कन्वेयर बेल्ट पर चलती हुई गेंद को पकड़ने या बिना तोड़े बल्ब को घुमाने के लिए कहते हैं, तो वह जम सकता है क्योंकि वह गति (movement), स्मृति (memory), या स्पर्श (touch) को नहीं समझता।

यह कार्य RLDX-1 को प्रस्तुत करता है, जो एक नया रोबोटिक "मस्तिष्क" है जिसे इस समस्या को ठीक करने के लिए डिज़ाइन किया गया है। RLDX-1 को केवल एक बुद्धिमान पाठक के रूप में नहीं, बल्कि एक कुशल शिल्पकार (master craftsman) के रूप में देखें जो अपनी मौजूदा बुद्धिमत्ता के साथ तीन नई महाशक्तियों को जोड़ता है:

1. महाशक्तियाँ: गति, स्मृति और स्पर्श

गति धारणा (The "Juggler" - जादूगर):
अधिकांश रोबोट एक स्थिर फोटो देखते हैं और अनुमान लगाते हैं कि आगे क्या करना है। लेकिन वास्तविक दुनिया चलती है। यदि कन्वेयर बेल्ट पर एक बॉक्स फिसलता है, तो एक स्थिर फोटो बेकार है। RLDX-1 एक जादूगर की तरह है जो न केवल गेंद को देखता है; वह हवा में उड़ती गेंद के पूरे वीडियो को देखता है। यह गति और दिशा को समझता है, जिससे यह उन चलती वस्तुओं को पकड़ने में सक्षम होता है जिन्हें अन्य रोबोट चूक जाते हैं।
दीर्घकालिक स्मृति (The "Sherlock Holmes" - शरलॉक होम्स):
कुछ कार्यों में समय लगता है। कल्पना कीजिए कि एक 'शेल गेम' (shell game) है जहाँ एक व्यक्ति तीन कपों में से एक के नीचे पासा छिपाता है, दूर चला जाता है, और फिर रोबट को उसे खोजने के लिए कहता है। केवल "अल्पकालिक स्मृति" वाला रोबोट कपों को तो देखता है लेकिन भूल जाता है कि व्यक्ति ने किसे छुआ था। RLDX-1 क्या हुआ था, इसके बारे में एक "नोटबुक" रखता है। यह घटनाओं के क्रम को याद रखता है, जिससे यह उन पहेलियों को हल करने में सक्षम होता है जिनमें अतीत की ओर देखने की आवश्यकता होती है।
भौतिक संवेदन (The "Gentle Hand" - कोमल हाथ):
देखना अच्छा है, लेकिन आप सॉकेट के अंदर नहीं देख सकते या यह महसूस नहीं कर सकते कि आप एक नाजुक अंडे पर कितना दबाव डाल रहे हैं। RLD-1 अपने सेंसरों के माध्यम से "महसूस" कर सकता है। यह अपने जोड़ों में टॉर्क (torque - घूर्णन बल) और अपनी त्वचा से टैक्टाइल (tactile - स्पर्श) संकेतों को पढ़ता है। यह एक दृष्टिहीन व्यक्ति की तरह है जो बिल्कुल बता सकता है कि प्लग सॉकेट में कब बैठा है या अंडा कब टूटने वाला है, और तुरंत अपनी पकड़ को समायोजित कर सकता है।

2. प्रशिक्षण: इसने कैसे सीखा

आप केवल रोबोट को कुछ वीडियो दिखाकर ये कौशल नहीं सिखा सकते। RLDX-1 ने एक तीन-चरणीय प्रशिक्षण शिविर से गुजरना तय किया:

चरण 1: सामान्यज्ञ (Pre-training - पूर्व-प्रशिक्षण): इसने विभिन्न रोबोटों (हाथों, मानव रूपी रोबोटों) को सरल चीजें करते हुए लाखों वीडियो देखे। इसने इसे दुनिया कैसे काम करती है, इसकी एक व्यापक समझ दी।
चरण 2: विशेषज्ञ (Mid-training - मध्य-प्रशिक्षण): यहाँ, इसने अपनी नई महाशक्तियों को सीखा। इसने विशेष रूप से "गति", "स्मृति" और "स्पर्श" के मॉड्यूल के साथ अभ्यास किया। इसे करने के लिए, शोधकर्ताओं ने एक चतुर तकनीक का उपयोग किया: उन्होंने AI वीडियो जनरेटर का उपयोग करके हजारों नए, दुर्लभ परिदृश्य बनाए (जैसे कि एक रसोई में सूप डालते हुए रोबोट जो अस्तित्व में ही नहीं है), और फिर गणित का उपयोग करके यह पता लगाया कि रोबोट को क्या करना चाहिए था। इसने उन अंतरालों को भर दिया जहाँ वास्तविक डेटा की कमी थी।
चरण 3: परिशोधन (Post-training - उत्तर-प्रशिक्षण): अंत में, इसने विशिष्ट वास्तविक दुनिया के कार्यों पर अभ्यास किया और अपनी गलतियों से सीखा। यदि यह कप उठाने में विफल रहा, तो इसने फिर से प्रयास किया, एक सुदृढीकरण शिक्षण (reinforcement learning) पद्धति का उपयोग करते हुए जो प्रदर्शन में सुधार के लिए तत्काल फीडबैक देने वाले कोच की तरह काम करती है।

3. गति: तेज़ मार्ग पर

भले ही सबसे स्मार्ट मस्तिष्क भी बेकार है यदि वह बहुत धीमा है। यदि एक रोबोट सोचने में 0.1 सेकंड लेता है, तो जब तक वह कार्य करता है, दुनिया बदल सकती है। यह कार्य बताता है कि RLDX-1 को मानक प्रणालियों की तुलना में 1.6 गुना तेज़ चलने के लिए अनुकूलित किया गया था।

उपमा: कल्पना कीजिए कि एक डिलीवरी ड्राइवर हर ट्रैफिक लाइट पर रुककर मैप चेक करता है (मानक प्रोसेसिंग)। RLDX-1 एक ऐसे ड्राइवर की तरह है जिसने पहले से ही पूरा रास्ता मैप कर लिया है, जानता है कि कौन सी लाइटें हरी होने वाली हैं, और बिना रुके चलता रहता है। यह इसे तेज़ चलती कन्वेयर बेल्ट पर भी वास्तविक समय में प्रतिक्रिया करने की अनुमति देता है।

4. परिणाम: प्रमाण परिणाम में है

शोधकर्ताओं ने अन्य शीर्ष रोबोट दिमागों (जैसे $\pi0.5$ और GR00T N1.6) के मुकाबले दो तरीकों से RLDX-1 का परीक्षण किया:

सिमुलेशन में (वीडियो गेम): RLDX-1 जटिल रसोई कार्यों और चलती वस्तुओं से जुड़ी चुनौतियों में लगातार दूसरों को हरा देता है।
वास्तविक दुनिया में (परीक्षण):
- कन्वेयर बेल्ट: जब वस्तुएं तेजी से चलती थीं, तो RLDX-1 87.5% मामलों में सफल रहा, जबकि दूसरा सबसे अच्छा रोबोट लगभग 70% मामलों में विफल रहा।
- शेल गेम: स्मृति के आधार पर छिपी हुई वस्तु को खोजने के लिए पूछे जाने पर, RLDX-1 91.7% मामलों में सही था। अन्य रोबोटों ने रैंडम अनुमान लगाया और वे केवल 30% के आसपास ही सही थे।
- लाइटबल्ब: जब इसे बल्ब को तब तक घुमाने के लिए कहा गया जब तक कि वह जल न जाए, तो RLDX-1 ने इसे एक मानव ट्रेनर द्वारा दिखाए गए प्रयासों से कम प्रयासों में करना सीख लिया।

सारांश

RLDX-1 एक ऐसी रोबोट रणनीति है जो केवल "देखने और समझने" से आगे बढ़कर कुशल, शिल्प-समान क्रिया की ओर जाती है। गति, स्मृति, और स्पर्श के लिए विशेष मॉड्यूल के साथ एक शक्तिशाली दृश्य मस्तिष्क को जोड़कर, और वास्तविक एवं AI-जनित डेटा के विशाल मिश्रण पर प्रशिक्षित होकर, यह उन जटिल, गतिशील और नाजुक कार्यों में मानव-तुल्य क्षमता प्राप्त करता है जहाँ पहले के रोबोट संघर्ष करते थे। यह उन रोबोटों की ओर एक महत्वपूर्ण कदम है जो वास्तव में अराजक, गतिशील और स्पर्श-आधारित वास्तविक दुनिया में हमारे साथ काम कर सकते हैं।

तकनीकी सारांश: RLDX-1

समस्या विवरण

जबकि विजन-लैंग्वेज-एक्शन मॉडल्स (VLAs) ने "बहुमुखी बुद्धिमत्ता" (versatile intelligence)—विविध दृश्य दृश्यों को समझने, भाषाई निर्देशों का पालन करने और विभिन्न कार्यों में सामान्यीकरण करने की क्षमता—में महत्वपूर्ण प्रगति प्रदर्शित की है—वे अक्सर वास्तविक दुनिया में जटिल हेरफेर (manipulation) कार्यों के साथ संघर्ष करते हैं जिनमें व्यापक कार्यात्मक क्षमताओं की आवश्यकता होती है। विशेष रूप से, मौजूदा VLAs में मोशन अवेयरनेस (गतिमान वस्तुओं के साथ गतिशील वातावरण में कार्य करना), लॉन्ग-टर्म मेमोरी (विस्तारित इंटरैक्शन इतिहास के माध्यम से अल्प समय सीमा से परे तर्क करना), और फिजिकल परसेप्शन (अवरोध या सूक्ष्म दृश्य परिवर्तनों के तहत संपर्क बलों और टॉर्क के बारे में तर्क करना) के लिए स्पष्ट तंत्रों का अभाव है। ये सीमाएं गतिशील, संपर्क-समृद्ध (contact-rich), और लंबे समय तक चलने वाले परिदृश्यों में जनरललिस्ट रोबोटों की तैनाती में बाधा डालती हैं।

कार्यप्रणाली

लेखक RLDX-1 को पेश करते हैं, जो मानव जैसी, कुशल हेरफेर (dexterous manipulation) के लिए डिज़ाइन किया गया एक सामान्य रोबोटिक पॉलिसी है। यह प्रणाली आर्किटेक्चर, डेटा, प्रशिक्षण और इन्फरेंस (inference) को कवर करने वाले एक एकीकृत ढांचे में विविध कार्यात्मक क्षमताओं को एकीकृत करती है।

1. न्यूरल आर्किटेक्चर: मल्टी-स्ट्रीम एक्शन ट्रांसफॉर्मर (MSAT)

RLDX-1 एक फ्लो-मैचिंग VLA आर्किटेक्चर पर आधारित है, लेकिन इसे तीन प्रमुख कार्यात्मक मॉड्यूल और एक नवीन ट्रांसफॉर्मर डिज़ाइन के साथ विस्तारित किया गया है:

मोशन अवेयरनेस (Motion Awareness): विजन-लैंग्वेज मॉडल (VLM) बैकबोन को एक मोशन मॉड्यूल के साथ बढ़ाया गया है जो टेम्पोरल डायनेमिक्स को कैप्चर करने के लिए विजन एनकोडर में स्पैटियो-टेम्पोरल सेल्फ-सिमिलैरिटी (STSS) को एकीकृत करता है। इसके अतिरिक्त, टेम्पोरल कॉन्टेक्स्ट को कुशलतापूर्वक मॉडल करने के लिए पिछले वीडियो फ्रेम को एक एकल कॉन्टेक्स्ट टोकन में संकुचित किया जाता है।
लॉन्ग-टर्म मेमोरी (Long-Term Memory): एक स्पष्ट मेमोरी मॉड्यूल पिछले संज्ञानात्मक फीचर्स (cognitive features) की एक कतार (queue) का प्रबंधन करता है, जो मॉडल को लंबे समय के अवलोकन इतिहास (जैसे कि शेल गेम्स या बहु-चरणीय कार्यों के लिए) पर तर्क करने में सक्षम बनाता है।
फिजिकल परसेप्शन (Physical Perception): एक समर्पित फिजिक्स स्ट्रीम विजुअल और भाषाई इनपुट से अलग भौतिक संकेतों (टॉर्क और टैक्टाइल डेटा) को प्रोसेस करती है। यह स्ट्रीम भविष्य के भौतिक संकेतों के साथ-साथ क्रियाओं (actions) की भविष्यवाणी करती है, जिससे मॉडल संपर्क गतिशीलता (contact dynamics) को आंतरिक रूप से आत्मसात करने के लिए प्रोत्साहित होता है।
MSAT आर्किटेक्चर: इन विषम मोडैलिटीज (heterogeneous modalities) को संभालने के लिए, लेखक मल्टी-स्ट्रीम एक्शन ट्रांसफॉर्मर का प्रस्ताव करते हैं। यह कॉग्निशन (विजुअल/भाषिक), एक्शन (प्रोपियोसेप्शन/नॉइजी एक्शन्स), और फिजिक्स (टैक्टाइल/टॉर्क) के लिए समर्पित स्ट्रीम असाइन करता है। ये स्ट्रीम साझा सेल्फ-अटेंशन के माध्यम से परस्पर क्रिया करती हैं जबकि मोडैलिटी-विशिष्ट पैरामीटर्स को बनाए रखती हैं, जिससे रिप्रेजेंटेशनल फिडेलिटी खोए बिना क्रॉस-मोडल सूचना विनिमय संभव होता है।

2. प्रशिक्षण डेटा और पाइपलाइन

प्रशिक्षण रणनीति एक तीन-चरणीय पाइपलाइन और एक विविध डेटा मिश्रण पर निर्भर करती है:

डेटा स्रोत: मॉडल को (a) बड़े पैमाने पर सार्वजनिक वास्तविक दुनिया के डेटासेट्स (Open-X-Embodiment, DROID, Galaxea, Agibot World, आदि), (b) ALLEX ह्यूमनॉइड और सेंसर-संवर्धित फ्रैंका रिसर्च 3 (FR3) प्लेटफॉर्म से आंतरिक डेटा, और (c) सिंथेटिक डेटा के संयोजन पर प्रशिक्षित किया गया है।
सिंथेटिक डेटा जनरेशन: दुर्लभ कुशल परिदृश्यों के लिए डेटा की कमी को दूर करने के लिए, लेखक दृश्यों और कार्यों के विस्तार के लिए वीडियो जेनेरेटिव मॉडल्स (Image-to-Video) पर आधारित एक पाइपलाइन का उपयोग करते हैं। इसके बाद इनवर्स डायनेमिक्स मॉडल (IDM) का उपयोग करके एक्शन लेबलिंग और एक कठोर दो-चरणीय फ़िल्टरिंग प्रक्रिया की जाती है: वीडियो क्वालिटी फ़िल्टरिंग (VLMs का उपयोग करके) और मोशन कंसिस्टेंसी फ़िल्टरिंग (सिमुलेटर रोलआउट की जेनरेटेड वीडियो के साथ तुलना करके)।
तीन-चरणीय प्रशिक्षण:
1. प्री-ट्रेनिंग (Pre-Training): सामान्य हेरफेर प्रायर (manipulation priors) सीखने के लिए विविध मल्टी-एम्बॉडमेंट डेटा पर प्रशिक्षण।
2. मिड-ट्रेनिंग (Mid-Training): कार्यात्मक क्षमताओं (मोशन, मेमोरी, फिजिक्स) को स्थापित करने के लिए आंतरिक और सिंथेटिक डेटा का उपयोग करते हुए एम्बॉडमेंट-विशिष्ट डेटा (ALLEX और FR3) पर विशेष प्रशिक्षण।
3. पोस्ट-ट्रेनिंग (Post-Training): चुनौतीपूर्ण कार्यों पर प्रदर्शन को परिष्कृत करने के लिए टास्क-विशिष्ट फाइन-ट्यूनिंग, जिसे वैकल्पिक रूप से VLM-व्युत्पन्न क्रिटिक (RECAP फ्रेमवर्क) का उपयोग करके सुदृढीकरण शिक्षण (Reinforcement Learning - RL) द्वारा बढ़ाया जा सकता है।

3. इन्फरेंस ऑप्टिमाइजेशन (Inference Optimization)

भौतिक रोबोटों पर रीयल-टाइम कंट्रोल को सक्षम करने के लिए, लेखक एक दो-चरणीय इन्फरेंस ऑप्टिमाइजेशन पाइपलाइन लागू करते हैं:

ग्राफ कैप्चर ऑप्टिमाइजेशन: कर्नेल लॉन्च ओवरहेड और ग्राफ फ्रैगमेंटेशन को समाप्त करने के लिए मॉडल को एक स्टैटिक CUDA ग्राफ में परिवर्तित करता है।
कर्नेल ऑप्टिमाइजेशन: मेमोरी ट्रैफिक को कम करने और शॉर्ट प्रीफिल वर्कलोड के लिए निष्पादन दक्षता में सुधार करने के लिए कस्टम फ्यूज्ड कर्नेल्स (जैसे, RMSNorm, RoPE, और Attention को फ्यूज करना) विकसित किए गए हैं।
ये अनुकूलन प्रति स्टेप लेटेंसी को ~71.2 ms से घटाकर 43.7 ms कर देते हैं, जिससे 1.63x की गति वृद्धि प्राप्त होती है।

मुख्य परिणाम

RLDX-1 का मूल्यांकन OpenArm, ALLEX, और Franka Research 3 प्लेटफॉर्म पर सिमुलेशन बेंचमार्क और वास्तविक दुनिया के प्रयोगों के माध्यम से किया गया, जिसमें इसने $\pi0.5$ और GR00T N1.6 जैसे स्टेट-ऑफ-द-आर्ट बेसलाइन्स को पीछे छोड़ दिया।

सिमुलेशन बेंचमार्क: RLDX-1 ने सभी बेंचमार्क में उच्चतम सफलता दर हासिल की, जिसमें LIBERO (97.8%), RoboCasa Kitchen (70.6%), और GR-1 Tabletop (58.7%) शामिल हैं। विशेष रूप से, इसने बेसलाइन्स की तुलना में LIBERO-Plus और SIMPLER वेरिएंट में बेहतर मजबूती प्रदर्शित की।
वास्तविक दुनिया की बहुमुखी प्रतिभा (OpenArm): निर्देश पालन और अनदेखे ऑब्जेक्ट्स/कार्यों में सामान्यीकरण के लिए आवश्यक कार्यों के लिए, RLDX-1 ने अनदेखे ऑब्जेक्ट्स पर 37.5% के लिए $\pi0.5$ की तुलना में 54.2% हासिल करते हुए बेसलाइन्स को काफी पीछे छोड़ दिया।
कार्यात्मक क्षमताएं (ALLEX और FR3):
- मोशन अवेयरनेस (Motion Awareness): अलग-अलग गति वाले कन्वेयर बेल्ट कार्यों में, RLDX-1 ने 86.8% की औसत सफलता दर प्राप्त की, जबकि बेसलाइन्स ~40% पर गिर गए या अनदेखी गति पर विफल रहे।
- लॉन्ग-टर्म मेमोरी (Long-Term Memory): "ऑब्जेक्ट-इन-बॉक्स सिलेक्शन" और "शेल गेम" कार्यों में, RLDX-1 ने क्रमशः 91.7% की सफलता दर हासिल की, जबकि बेसलाइन्स लगभग रैंडम चांस (~30–50%) के करीब थे।
- फिजिकल परसेप्शन (Physical Perception): "प्लग इंसर्शन" और "एग पिक-एंड-प्लेस" जैसे संपर्क-समृद्ध कार्यों में, RLDX-1 ने संपर्क बलों के साथ संघर्ष करने वाले बेसलाइन्स से बेहतर प्रदर्शन करते हुए टॉर्क और टैक्टाइल फीडबैक का उपयोग किया और क्रमशः 33.3% और 61.1% की सफलता दर प्राप्त की।
इन्फरेंस प्रदर्शन: अनुकूलित पाइपलाइन ने 1.63x की गति वृद्धि प्राप्त की, जिससे रीयल-टाइम परिनियोजन (deployment) संभव हुआ।

महत्व और दावे

यह कार्य दावा करता है कि RLDX-1 वास्तविक दुनिया में जटिल, संपर्क-समृद्ध और गतिशील कुशल हेरफेर के लिए विश्वसनीय VLAs की दिशा में एक महत्वपूर्ण कदम है। "बहुमुखी बुद्धिमत्ता" से आगे बढ़ते हुए और मोशन अवेयरनेस, लंग-टर्म मेमोरी, और फिजिकल परसेप्शन को एक एकीकृत एंड-टू-एंड आर्किटेक्चर में स्पष्ट रूप से एकीकृत करके, RLDX-1 वर्तमान जनरललिस्ट रोबोट पॉलिसी की महत्वपूर्ण कमियों को दूर करता है।

लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण केवल मौजूदा VLA मॉडल्स का स्केलिंग नहीं है, बल्कि मानव हेरफेर के लिए आवश्यक कार्यात्मक क्षमताओं का एक संरचनात्मक एकीकरण है। वास्तविक दुनिया के डेटा को बढ़ाने के लिए उनके सिंथेटिक डेटा पाइपलाइन की सफलता और तीन-चरणीय प्रशिक्षण प्रक्रिया की प्रभावशीलता, विविध एम्बॉडमेंट्स पर जनरललिस्ट पॉलिसी को तैनात करने के लिए एक स्केलेबल मार्ग प्रदर्शित करती है। ALLEX ह्यूमनॉइड पर उनके परिणाम, जहाँ RLDX-1 ने कार्यात्मक कार्यों पर ~90% सफलता प्राप्त की (जबकि फ्रंटियर मॉडल्स ने ~40% प्राप्त किया), विविध कार्यात्मक आवश्यकताओं के तहत उच्च-DoF रोबोट को नियंत्रित करने की क्षमता को रेखांकित करते हैं।