Robot sistemlerinde beceri kütüphanelerinin güncellenmesi sırasında ortaya çıkan önemli bir sorun, bilim insanlarının dikkatini çekti. Günümüzde robotlar, farklı becerileri birleştirerek karmaşık görevleri yerine getiriyor, ancak bu becerilerin güncellenmesi beklenmedik sonuçlar doğurabiliyor.
Araştırmacılar, mevcut kompozisyonel robot politikalarının (BLADE, SymSkill, Generative Skill Chaining gibi) beceri kütüphanesini test sırasında sabit kabul ettiğini ve bir beceri değiştirildiğinde kompozisyon sonuçlarının nasıl etkilendiğini analiz etmediğini belirtti.
Robosuite manipülasyon görevleri üzerinde yapılan deneylerde, çiftli örnekleme çapraz-versiyon değişim protokolü kullanılarak bu boyut karakterize edildi. İkili robot kollu 'deliğe çivi sokma' görevinde dikkat çekici bir 'baskın beceri etkisi' keşfedildi.
Bulgulara göre, bir ECM (Executed Compositional Module) %86,7 atomik başarı oranına ulaşırken, diğer tüm ECM'ler %26,7 veya altında performans gösterdi. Bu baskın ECM'nin bir kompozisyona dahil edilmesi, başarı oranını 50 puana kadar değiştirebildi.
Daha basit bir 'toplama' görevinde ise, tüm atomik politikalar %100'de doygunluğa ulaştığında bu etkinin tanımlanamadığı gözlemlendi. Üç farklı görev genelinde, mevcut davranışsal mesafe ölçütlerinin bu etkiyi tespit etmede yetersiz kaldığı da ortaya çıktı.