抓取形狀不規則的物品對人類來說或許很簡單，但對機器人而言可就是件困難的事了，日前，Google研究團隊在官方部落格發表機器人實驗結果，Google利用機器學習技術教導一群機器人抓取常見的辦公室和家庭用品，並加入回饋的學習機制來訓練機器人，讓機器人抓取物品的失敗率從34％下降至18％。
Google研究團隊表示，近年來，機器人在功能上有很大的進步，但是與人類動作的精準度仍有很大的鴻溝，Google透過持續回饋和控制的學習機制，可以彌補機器人和人類之間的差距，讓機器人可以處理更複雜的事物。
Google設計14臺獨立的機器人，並在機器手臂的上方安裝攝影機，來記錄機器人抓取物品的過程，Google利用手眼協調能力的持續回饋學習機制，讓機器人藉由觀察機器手臂的動作，不斷預測何種動作能夠提升抓取物品的成功率。
剛開始機器人隨機抓取物品的成功率極低，但透過每一次的經驗來訓練內建的深度卷積神經網路（Deep Convolutional Neural Network，CNN），並學會預測抓取的結果，藉由CNN的內在循環伺服機制來持續調整機器人的動作，並最大化抓取的成功率。
Google表示，在觀察機器人練習抓取物品80萬次後（約3千個小時），才看到智能反應行為的開端，機器人會觀察自己的抓取狀態，並即時修正動作，且這些行為是透過學習自然出現，而不是透過程式系統得到的結果。
經過Google研究團隊的實驗，結果顯示，沒有接受回饋學習機制訓練的機器人抓取物品的平均失敗率是34％，而有經過訓練的機器人抓取物品失敗率約是前一組機器人的一半（18％）。
進行手眼協調學習的機器人影片：