پژوهشگران در مقاله پژوهش خود نوشتند: این کار، ساده نبود. روبات‌های مجهز به پا، یکی از بزرگ‌ترین چالش‌ها در زمینه علم روباتیک هستند. فعالیت‌های پویا و چابک حیوانات با روش‌های کنونی قابل تقلید نیستند. پژوهشگران معمولا بر راه حل‌هایی تمرکز دارند که کم هزینه و ایمن هستند؛ اما پویایی دقیق روبات‌های پیچیده را ندارند. در نتیجه این گروه پژوهشی، یک شبکه عصبی را ابداع کرد که به روبات، قابلیت یادگیری و سازگاری ببخشد. این ماشین با استفاده از سیاست‌های آموزش داده شده در شبیه‌سازی، به مهارت‌های حرکتی ورای روش‌های پیشین دست پیدا می‌کند. انی‌مال می‌تواند با دقت و کارآیی، از دستورات پیچیده پیروی کند، حرکتی سریع‌تر از پیش داشته باشد و حتی در موقعیت‌های پیچیده پس از به زمین افتادن، زودتر خود را بازیابد.

در این پروژه، از روش نسبتا جدیدی موسوم به «یادگیری تقویتی» نیز استفاده شده که براساس آن، روبات مجموعه‌ای از وظایف را از راه آزمون و خطا یاد می‌گیرد. دانشمندان در طراحی جدید انی‌مال، به آن قابلیت غلتیدن داده‌اند تا بتواند پس از به زمین افتادن، برخیزد. به گفته آنها این روش، تاکنون در هیچ روبات چهارپایی وجود نداشته است. توانایی برخاستن پس از افتادن نشان می‌دهد که شاید روبات‌های چهارپا در آینده بتوانند کارآیی بیشتری برای انسان داشته باشند. در ادامه این مقاله آمده است: شاید روزی روبات‌های چهارپا بتوانند انسان‌های گرفتار در جنگل و کوه را نجات دهند و در حمل بار از پله‌ها یا نواحی صعب‌العبور به آنها کمک کنند. این روبات‌ها می‌توانند قابلیت انجام دادن کارهایی را داشته باشند که تنها انسان و حیوان قادر به انجام آنها هستند.