研究发现，传统机器人系统在新环境和任务中的适应性问题。通过示范微调RT-1-X模型，机器人能够学习提取任务，但知识转移仅限于技能而非对象特定知识。同时，研究还探索了使用多样化数据集进行训练以提高机器人在未见过的领域和任务中的成功率。

研究发现三种经典的图神经网络模型在多样化数据集中的性能超过了图转换器。研究还探讨了配置对节点分类性能的影响，旨在提高图机器学习领域的实证功效。