为测试本次研发控制器在现实世界场景中的成功率，论文作者对一名佩戴髋关节外骨骼的使用者进行了实验，并在使用者进行跑步、走路和爬楼梯这类运动任务时进行监测，最后得到的数据(测量力矩)会显示使用者不同运动形式下的形状变化以及辅助程度。研究发现，该控制器让使用者的代谢率在行走时降低24.3%，跑步时降低13.1%，爬楼梯时降低15.4%，表明整体上控制器能在不同活动中成功协助使用者。

为克服这些挑战，论文通讯作者、美国北卡罗来纳州立大学苏浩和同事及合作者一起，共同开发出一个能从人类-装置交互中学习的框架，该框架不需要漫长的人体实验和人力资源。他们开发了能在模拟中生成人体运动、肌肉协调和外骨骼控制的3个互联神经网络控制器，随后用他们的模型开展了数百万次模拟试验，该模型能从人体移动数据中学习。