본 논문은 기존 로봇의 제한된 운동 이해와 사전 프로그래밍된 작업 수행 능력의 한계를 극복하기 위해, 도구 사용의 핵심 요소(원하는 결과 파악, 적절한 도구 선택, 최적의 도구 방향 결정, 정확한 조작 실행)를 기반으로 하는 새로운 프레임워크를 제시한다. 이 프레임워크는 로봇의 역기구학 해결 능력을 확장하여 다양한 길이의 도구를 사용하여 일련의 동작을 습득할 수 있도록 한다. 시뮬레이션에서 학습된 동작 궤적을 도구와 통합하여, 획득한 기술을 시뮬레이션에서 실제 환경으로 이전하는 실용성을 실험을 통해 입증했다. 확장된 역기구학 해결기는 1cm 미만의 오류율을 보였으며, 훈련된 정책은 시뮬레이션에서 8cm의 평균 오류를 기록했다. 또한, 두 개의 다른 길이의 도구를 사용할 때 거의 동일한 성능을 달성했다.
