教挖掘机沿着指定轨迹快速移动，难点像让新手端着满杯水赶路：只追求快，很容易偏；反复上真机练习，又费时且可能伤设备。这项工作让一台11.5吨液压挖掘机直接在实机上“边操作、边摸脾气”，不依赖示范、离线数据或仿真预训练。
系统采用在线模型式强化学习：先用多个预测模型共同学习“阀门指令下去后，设备会怎样运动”，模型间的分歧也用来提示不确定性；再通过模型预测控制（MPC）反复模拟短期动作，只执行眼下最好的一步。最关键的设计是“精度门控”：只有铲斗足够贴近目标路径，前进速度才会得到充分奖励，避免控制器靠冲得快掩盖跑偏。作者报告称，实机交互20分钟后，其跟踪精度已接近此前需100—150分钟数据训练的控制器；40分钟后，在较高速度下仍保持平均路径误差不足1厘米。