Los investigadores diseñaron el proceso de aprendizaje del robot en tres etapas, similares al desarrollo infantil. En la primera etapa, el robot aprendió movimientos básicos observando demostraciones en tiempo real de expertos humanos. En esta fase, se estableció una relación entre entradas visuales —mediante cámaras RGB y nubes de puntos 3D— y las acciones correspondientes.
En la segunda etapa, el robot mejoró su política recopilando sus propias experiencias, utilizando sus fracasos y éxitos para mejorar sin depender de datos humanos. Gracias al método de aprendizaje por refuerzo offline, aumentó su desempeño sin perder las habilidades previamente adquiridas.
En la tercera etapa, se aplicó aprendizaje en línea con pequeñas cantidades de datos del mundo real para corregir errores raros, elevando la tasa de éxito del 90% al 100%. Además, el problema de lentitud de los modelos de difusión tradicionales se resolvió al convertirlos en un controlador de un solo paso, reduciendo el tiempo de respuesta de 100 milisegundos a 10 milisegundos.