دکتر "جورگن لیتنر"(Jurgen Leitner)، از "دانشگاه فناوری کوئینزلند"(QUT) و سرپرست این پروژه گفت: یکی از کمبودهای اصلی سیستمهای رباتیک کنونی، ناتوانی در تطبیق سریع با تغییرات است. از آنجا که ممکن است اجسام، اغلب و بدون هشدار قبلی حرکت کنند، رباتها برای موثر بودن، باید قابلیت تطبیق و کار در هر محیطی را داشته باشند.
این گروه پژوهشی، کار خود را با ابداع یک شبکه عصبی مصنوعی آغاز کرد. این شبکه، سیستمی مبتنی بر هوش مصنوعی است که به رایانهها اجازه میدهد از طریق تحلیل نمونهها، وظایف را یاد بگیرند. با استفاده از این شبکه عصبی و یک دوربین نقشهبرداری عمیق، ربات میتواند نقشه عمقی حرکت را پیکسل به پیکسل بررسی کند، اشیایی که جلوی جسم مورد نظر قرار گرفتهاند، کنار بگذارد و سپس، بهترین روش برداشتن هر جسم را تعیین کند.
فناوری حاضر، براساس سیستمی صورت گرفته که این گروه پژوهشی در سال 2017 ابداع کرد.