人学会快跑，不会先把走路忘掉再从头训练；但人形机器人常常需要为走、慢跑和跑分别训练或切换控制器。GaitSpan想换一种思路：把已有的步行策略——根据机器人姿态和传感器读数决定电机动作的规则——当作“种子”，连续扩展到更高速度，而不是每种步态另起炉灶。
它保留原有步行策略，用多个内部时钟改变动作节奏，再按速度指令组合这些动作；同时引导机器人拉长、抬高步幅，并用一个额外策略补上细节。这里的步态不只是快慢：双腿的支撑、摆动乃至腾空方式都会变化。作者称，最终一个策略便能覆盖走、慢跑和类似奔跑的连续速度区间，并在五种不同身体结构的机器人上工作；它只在平地和轻微不平地面训练，也能直接部署到未见过的仿真及真实地形。具体效果仍以论文作者报告为准，但更值得关注的是它展示了一条可扩展路线：新技能可以从旧技能“长出来”，不必总靠多位专项“教练”分别训练后再做技能蒸馏。