ربات‌ها در کارهایی که انجامشان بصورت برنامه به آنها داده شده است، بسیار عالی عمل می‌کنند. اما در مواجه با کارهایی که برایشان آشنا نیست، مانند برداشتن اجسام با شکل‌‌های متفاوت، به مشکل بر می‌خورند. در همین نقطه است که هوش مصنوعی (AI) به وسیله سیستمی مانند Dex-Net به کمک آنها می‌آید. این سیستم به کمک یادگیری عمیق این امکان را برای بازوهای رباتیک فراهم می‌آورد که بتواند اشیا با اشکال متفاوت را براحتی بردارد.
ایده اصلی این سیستم از نحوه تعامل انسان در برداشتن اشیا با اشکال مختلف گرفته شده است. شما یک شی را می‌بینید، با اشیا دیگر که پیشتر برداشته‌اید مقایسه‌اش می‌کنید و از اطلاعات‌تان برای بهترین نحوه برداشتن آن شی استفاده می‌کنید.
سیستم Dex-Net دارای چشم و حافظه مانند انسان نیست. مخترعان این سیستم به آن بیش از ۶ میلیون نمایش ۳D از اشیا مصنوعی مختلف و بهترین نحوه برداشتن آنها را داده‌اند. نحوه کار این سیستم بدین صورت است که به شی نگاه می‌کند، آن شی را با اشیا ذخیره شده در حافظه‌اش مقایسه می‌کند و نزدیکترین راه برداشتن را انتخاب می‌کند.
محققان سیستم Dex-Net را در حالی ارائه کردند که به آن اشیایی که قبلا ندیده بود را برای برداشتن نشان دادند، و این سیستم با یک بار شکست، همه آنها را برداشت. این نشان می‌دهد که Dex-Net با وجود اینکه روی داده‌های مصنوعی آموزش دیده نسبتا قوی است. لینک ویدئو ارائه سیستم Dex-Net.
این سیستم محصول تیم رباتیک برکلی است و آخرین نسخه Dex-Net را برای کنفرانس در ماه جولای آماده می‌کنند.
