Pertanyaan sesungguhnya adalah seberapa efektif algoritma AgiBot dapat mengajari robot-robotnya trik baru. Menggunakan pembelajaran penguatan untuk mengajarkan tugas yang memerlukan improvisasi umumnya membutuhkan data pelatihan yang sangat banyak, dan studi menunjukkan hal ini tak dapat disempurnakan sepenuhnya di dalam simulasi.
AgiBot mempercepat proses pembelajaran dengan mempekerjakan seorang manusia untuk memandu robot menjalani suatu tugas, yang memberikan fondasi bagi robot untuk kemudian belajar sendiri. Sebelum mendirikan AgiBot, kepala ilmuwan Jianlan Luo melakukan riset mutakhir di UC Berkeley, termasuk sebuah proyek yang melibatkan robot memperoleh keterampilan melalui pembelajaran penguatan dengan melibatkan manusia dalam prosesnya. Sistem itu ditunjukkan sedang melakukan tugas-tugas termasuk menempatkan komponen pada papan induk.
Feng mengatakan bahwa perangkat lunak pembelajaran AgiBot, yang disebut Real-World Reinforcement Learning, hanya memerlukan sekitar sepuluh menit untuk melatih robot melakukan tugas baru. Pembelajaran cepat ini penting karena lini produksi sering berubah dari satu minggu ke minggu berikutnya, atau bahkan selama proses produksi yang sama, dan robot yang dapat menguasai langkah baru dengan cepat dapat beradaptasi bersama pekerja manusia.
Melatih robot dengan cara ini memerlukan usaha manusia yang tidak sedikit. AgiBot memiliki pusat pembelajaran robot di mana mereka membayar orang untuk mengoperasikan robot secara tele guna membantu model AI mempelajari keterampilan baru. Permintaan akan data pelatihan robot semacam ini semakin tumbuh, dengan beberapa perusahaan AS membayar pekerja di tempat seperti India untuk melakukan pekerjaan manual yang berfungsi sebagai data pelatihan.
Jeff Schneider, seorang ahli robotika di Carnegie Mellon University yang berkecimpung dalam pembelajaran penguatan, menyatakan bahwa AgiBot menggunakan teknik-teknik terkini, dan seharusnya mampu mengotomasi tugas dengan reliabilitas tinggi. Schneider menambahkan bahwa perusahaan robotika lain kemungkinan juga mencoba-coba penggunaan pembelajaran penguatan untuk tugas-tugas manufaktur.
AgiBot merupakan semacam bintang yang sedang naik daun di Tiongkok, di mana minat untuk menggabungkan AI dan robotika sedang melonjak. Perusahaan ini tengah mengembangkan model AI untuk berbagai jenis robot, termasuk humanoid yang dapat berjalan dan lengan robot yang tetap berada di satu tempat.