پژوهشگران TGrasp6D را معرفی کرده‌اند؛ سامانه‌ای که با استفاده از شرح یک وظیفه و یک تصویر RGB-D ــ تصویری رنگی همراه با داده‌های عمق ــ تعیین می‌کند ربات چگونه شیئی را بگیرد. برای نمونه، ممکن است برای بریدن، گرفتن دسته چاقو را ترجیح دهد یا هنگام تحویل دادن آن، دسته را آزاد بگذارد.
در مقاله، میزان موفقیت این روش در مجموعه‌داده TaskGrasp برابر با ۹۴ درصد گزارش شده است؛ درحالی‌که بهترین روش پایه به ۷۴ درصد رسیده است. گروه پژوهشی همچنین این روش را با اشیای دنیای واقعی روی ربات Franka Research 3 به نمایش گذاشت؛ اما چکیده مقاله جزئیاتی درباره تعداد آزمایش‌ها یا ارزیابی مستقل ارائه نمی‌کند.
چرا مهم است
برای پژوهشگران رباتیک، نتایج گزارش‌شده نشان می‌دهد که شرح وظیفه و یک تصویر عمق می‌تواند به ربات‌ها کمک کند تا بدون نیاز به مجموعه‌داده‌ای با برچسب‌گذاری دستی برای هر جفتِ وظیفه و شیء، نحوه گرفتن اشیا را انتخاب کنند؛ عملکرد این روش فراتر از آزمایش‌های گزارش‌شده در این مقاله مشخص نیست.
