본 논문은 실제 환경에서 동작하는 휴머노이드 로봇이 안정성과 강건성을 유지하면서 표현력 있고 역동적인 전신 동작을 수행할 수 있도록 하는 방법을 제시한다. Advanced Expressive Whole-Body Control (Exbody2)라는 방법을 제안하며, 이는 인간 모션 캡처 데이터와 시뮬레이션 데이터를 모두 활용하여 훈련된 전신 추적 제어기를 실제 로봇에 적용하는 기법이다. 전신 속도 추적과 신체 랜드마크 추적을 분리하는 기법을 도입하고, 교사 정책(teacher policy)을 사용하여 로봇의 기구학에 더 잘 맞는 중간 데이터를 생성하고 불가능한 전신 동작을 자동으로 제거한다. 이러한 두 단계 접근 방식을 통해 걷기, 웅크리기, 춤추기 등의 동작을 수행할 수 있는 로봇에 배포 가능한 학생 정책(student policy)을 생성한다. 또한, 다양성과 특정 동작에 대한 추적 성능 간의 절충 관계에 대한 통찰력을 제공하며, 소량의 데이터에 대한 미세 조정 후 특정 동작의 추적 성능이 향상되었지만 다른 동작의 성능은 저하될 수 있음을 보여준다.
