机器人的应用越来越普及，特别是在各种工作环境中协助执行人类无法完成的任务，或者增加人们的工作效率。但机器人还不是万能：例如「识别物体并拾取它们」这项工作看似简单，对机器人来说却极为困难。
麻省理工学院和普林斯顿大学的研究人员设计了一款拥有较高肢体灵活性的机器人系统，识别并抓取物体将不再是问题。
现今，大多数在生产在线使用的机器人都经过精心校准，以便进行准确的运动。研究人员利用算法，使机器人从一堆物体中随机抓取一个物品，而该取放系统由一般常见的机械手臂（构造上由机械主体、控制器、伺服机构和传感器所组成，由程序根据作业需求设定其一定的指定动作）组成，并配备一个订制的抓手和吸盘。透过深度学习（深度学习是机器学习的一种方式，让计算机像长了神经网络般，可进行复杂的运算，并展现拟人的判断及行为）使机械手臂能处理任何给定的物品。
该系统的多功能假肢可以透过四种不同的方式完成取放的挑战：垂直使用吸盘、侧面使用吸盘、垂直抓握，以及抓握同时使用其他工具（用于抓取墙边的物体）。实验期间，当机器人拾取物体之后，研究人员会记录成败与否并输入数据，以优化系统拾取各种类型的物体的过程。
为了能研发出自动上下货的机器人，电商巨擘亚马逊连续 3 年举办「亚马逊机器人挑战赛（Amazon Robotics Challenge）」，向全球好手，寻求解决方案。而在2017年的比赛中该系统使用吸力拾取物体的成功率达 54％、抓握成功率为 75％，并且以 100％的精准度识别了物体。
科学家建议可以将该系统应用于提升仓储业管理货物的效率、从橱柜中抓取物品，甚至在事故发生后挖掘碎片等不同场景。因为机器的深度学习可以根据任何情况调整，因此相关的潜在应用非常广泛。
类似的深度学习算法也能用来开发机器的视觉感知系统，并使用照片库教导机器人识别现实生活中的每项物品。
