人类希望机器人帮助做很多工作，比如在仓库里包装物品，帮助长期卧床的病人，或是在前线援助士兵，这些工作机器人目前还不能做，因为他们还是不能轻松地识别和处理常见的物件。Stefanie Tellex，布朗大学的计算机科学教授说，“大部分人能轻松地折叠袜子或拿起水杯，因为我们已经经历过和“大数据收集过程”类似的童年了。“ 如果要让机器人做同样类型的日常任务，他们也需要访问大量数据来掌握抓取和操作对象。这些数据从何而来？通常来说，它来自复杂的编码。但是，理想的情况下，机器人可以从其他机器人那里获取数据。
这就是Tellex的“百万物件挑战“背后的理论。“我们的目标是为世界各地的研究机器人学会如何识别和处理简单的物件比如香蕉，上传他们的数据到云中，并允许其他机器人分析和使用这些信息。”
Tellex 的实验室在普罗维登斯，罗得岛州，有种幼儿园的气氛。我参观的那天，一个巴克斯特机器人－工业机器，站在超大的块状物中，扫描一个小梳子。它在梳子上方前后移动其右臂，用它的照相机拍照，并且用红外传感器测量它的深度。然后，它会尝试不同的抓取方式，直到找到一种可以可能允许它提起梳子的姿势。一旦它把物体举到空气中，它摇晃那个物体，以确保它的抓取是稳固的。经过了这个程序，机器人学会了多拿起一个物件。
因为许多研究型机器人编程使用的标准框架相同，像这样的项目是可能实现的。一旦一个机器人学会一个任务，它可以把它的数据传递给其他机器人，这些机器又可以接着上传反馈，这将帮忙改善这个数据库。 Tellex 说，关于识别和抓取物件的的数据可以被压缩到只有5到10兆，大约仅仅是你音乐库一首歌的大小。
这种进步似乎现在看似一般，但在未来5到10年，我们可以期待看到“机器人的能力发生爆炸性增长，”Saxena 先生，Brain of Things 初创公司的现任 CEO 说。随着越来越多的研究人员贡献和完善和云有关的知识，他说，“机器人应该有他们所需要的信息近在指边。”
其他评选的黑科技：
