Galbot kuvaa järjestelmän toimintaa jakamalla sen korkeamman tason ”aivoihin” ja liikkeistä vastaavaan ”pikkuaivoihin”. Ensin mainittu käsittelee havainnointia, päättelyä ja suunnittelua, kun taas jälkimmäinen muuttaa tavoitteet jatkuviksi ja vakaiksi koko kehon liikkeiksi.
Ero on olennainen. Robotti voi näyttää urheilulliselta käsikirjoitetussa esityksessä, vaikka se ei pystyisi mukautumaan pallon, vastustajan tai ajoituksen muuttuessa. Siksi tennis toimii hyvänä stressitestinä: siinä nähdään, toimivatko havainnointi, päätöksenteko ja liikkeenhallinta yhtenä suljettuna säätöpiirinä.
Galbot ja jotkut kommentoijat ovat verranneet autonomista humanoiditennistä mahdolliseen ”AlphaGo-hetkeen” liikeälyn kehityksessä. Viittaus koskee vuoden 2016 läpimurtoa, jolloin Googlen DeepMindin AlphaGo voitti huippuluokan go-pelaajan ja osoitti näkyvästi koneen kykenevän valitsemaan toimintastrategioita monimutkaisessa tilanteessa.
Vertaus on kuitenkin syytä pitää oikeissa mittasuhteissa. Onnistunut ottelu tai palloralli osoittaisi vaikuttavaa havainnointikyvyn, taktiikan ja fyysisen hallinnan yhdistelmää, mutta se ei yksin todistaisi yleiskäyttöistä älykkyyttä. Vahvin saatavilla oleva johtopäätös on rajatumpi: luotettavasti ja ilman tarkkaa käsikirjoitusta pelattu tennis olisi merkki edistymisestä kohti humanoidirobotteja, jotka pystyvät ”ajattelemaan liikkuessaan”.
ET1:ssä on Galbotin itse kehittämä AstraBrain-Agent, jota yhtiö kuvaa fyysisen maailman agentiksi reaaliaikaista monimuotoista vuorovaikutusta ja liikkeenhallintaa varten. Yhtiön ja tapahtumasta raportoineiden lähteiden mukaan järjestelmä tarkkailee ympäristöä jatkuvasti, ymmärtää puhuttuja tai luonnollisen kielen ohjeita ja suunnittelee toimintansa sekä liikesarjansa tilanteen mukaan.
Järjestelmän tavoite voidaan tiivistää kolmeen vaiheeseen:
Galbotin mukaan ET1 voi oppia uusia liiketaitoja ilman liikkeenkaappausta tai valmiiksi kuvattuja harjoitusvideoita. Yhtiö esitteli myös reaaliaikaista vuorovaikutusta, jossa robotti otti katsekontaktia, liikutti päätään ja tuotti kehon liikkeitä kielellisten ohjeiden perusteella.
Tällä Galbot pyrkii erottamaan perinteisen, käsikirjoitetun robotin niin kutsutusta kehoon sulautetusta älyagentista. Jälkimmäisen pitäisi reagoida siihen, mitä juuri nyt tapahtuu, muuttaa suunnitelmaansa ja rakentaa osaamistaan vuorovaikutuksen kautta. Toistaiseksi kyse on kuitenkin yhtiön raportoimista demonstraatioista, joten järjestelmän toimivuus kontrolloitujen esitysten ulkopuolella on vielä avoin kysymys.
Tapahtuman kotitalousnäytökset teki Galbotin G1-robottien joukko. Niitä ei siis esitelty ET1:n täydellisenä kotikäyttöön tarkoitettuna tuotevalikoimana. G1-robotit järjestelivät tavaroita, pesivät ja ripustivat pyykkiä sekä viikkasivat vaatteita sängyllä. Muissa raporteissa mainittiin lisäksi aamiaisen valmistamiseen liittyviä tehtäviä, kuten paahtoleivän tekeminen, juomien kaataminen ja käsien käyttäminen yhteistyössä.
Tehtävät ovat teknisesti vaikeampia kuin miltä ne näyttävät. Robotin on tunnistettava erilaisia esineitä, käsiteltävä vieriviä, heiluvia tai muotonsa muuttavia kappaleita, tartuttava joustaviin tekstiileihin ja vietävä pitkät työvaiheiden ketjut loppuun oikeassa järjestyksessä.
Galbot esitteli näytökset esimerkkeinä AstraBrainin laajemmasta tavoitteesta: saman tekoälyjärjestelmän pitäisi toimia erilaisten robottien ja käyttökohteiden taustalla kodeissa, vähittäiskaupassa ja teollisuudessa.
ET1:n merkitys ei lopulta riipu vain siitä, kuinka hyvin se osaa lyödä tennispalloa. Keskiössä on Galbotin esittelemä arkkitehtuuri, jossa kieli, havainnointi, suunnittelu ja koko kehon hallinta pyritään yhdistämään samaan fyysiseen älyjärjestelmään eri robottimuodoissa.