طبق آخرین تحقیقاتی که در آزمایشگاه علوم کامپیوتری و هوش مصنوعی دانشگاه MIT انجام شد، آموزش ربات‌ها برای انتخاب صحیح اشیا و جمع‌آوری آن‌ها با موفقیت روبرو بوده است. پس از طی دوره‌های آموزشی این ربات‌ها قادر به جمع آوری اجسامی که برایشان شناسایی شده است، می‌باشند و می‌توانند بارها و بارها همان اجسام را در هر زمان در کارخانه‌ها پیدا کرده و جمع کنند اما هنگامی‌که با اشیا دیگری غیر ازآنچه آموزش دیده‌اند مواجه شوند، باید از یک الگوریتم دیگر استفاده نمایند.
اگرچه پیشرفت‌های اخیر در رایانه‌های بصری باعث شده تا ربات‌ها بتوانند بین اشیا تمایز قائل شوند اما هنوز فاقد توانایی درک اشکال اجسام هستند. بااین‌حال، محققان دانشگاه MIT در حال حاضر سیستم‌هایی را ایجاد کرده‌اند که در آن ربات‌ها می‌توانند اشیا را به‌صورت تصادفی انتخاب کرده و قبل از برداشتن آن و انجام وظیفه‌ی خود، شکل سه‌بعدی شی موردنظر را به‌صورت مستقل و بدون کمک انسان‌ها، تشخیص دهند.
سیستم به‌کاررفته در دید این ربات‌ها Dense Object Nets نام دارد که اشیا را به‌صورت مجموعه‌ای از نقاط برای ربات‌ها نمایش می‌دهد و با وصل نمودن این نقاط به یکدیگر یک‌شکل سه‌بعدی طراحی می‌شود و از آن طریق ربات‌ها قادر به تشخیص اشکال مختلف می‌شوند.
در این سیستم، هیچ‌کدام از داده‌های مورداستفاده‌ی ربات‌ها توسط انسان‌ها برچسب‌گذاری نشده‌اند. این ربات‌ها سیستم نظارت خود رادارند و برای برداشتن یک شی، آن را از زوایای مختلف نگاه می‌کنند تا شکل واقعی جسم موردنظر را به‌درستی تشخیص دهند.
اگرچه سیستم‌های مشابه مانند DexNet UC-Berkeley نیز قادر به جمع‌آوری اقلام مختلف هستند، اما نمی‌توانند به دنبال درخواست‌های مشخصی مانند برداشتن یک جسم خاص در یک نقطه خاص بروند.
در کارخانه‌ها، اغلب ربات‌ها باید برای انتخاب اجسام موردنظر توسط انسان‌ها راهنمایی و هدایت شوند اما این سیستم جدید تنها با داشتن عکس جسم موردنظر میتواند آن را پیداکرده و جابه‌جا نماید.
این گروه تحقیقاتی امیدوار است که با ادامه‌ی مطالعات بتواند ربات‌ها را برای درک عمیق‌تری از اشیا مختلف ارتقا دهد.
