康纳尔、MIT和华盛顿大学从事的一些研究表明，机器人有望通过学习掌握人类希望它们做的事情，但前提是必须提供足够多的数据用于训练。
华盛顿大学的研究项目是教机器人按照人类的示例用乐高积木来建造东西。为了改善精确性，研究人员让机器人分析了众包出来的特定对象（人或者乌龟）的不同的搭建示例，结果发现机器人倾向于选择兼顾了简单和与原版相似性的方案。
[flash=500,400]http://player.youku.com/player.php/sid/XNzMyOTE0OTgw/v.swf[/flash]
MIT的研究关注的是寻找众包若干机器人（或分布式系统的任意节点）所掌握的事实的办法，以便实现机器人的集体智慧。研究的办法之一是让多个机器人调查研究同一个构建物，然后按照里面有什么东西来对空间进行分类。对于同一块空间每一个机器人掌握到的东西可能会不一样，但是通过不断地相互比较，这些机器人最终能够一起推导出精确的模型。
康奈尔大学的研究则是一个名为Tell Me Dave的交互式在线演示。该演示教机器人如何去执行一些特定的动作，甚至包括一些未指出细节的动作。研究者会使用一些特殊的命令去训练机器人（如拿一个壶到炉那里去），研究人员只会告诉机器人壶是什么样子的，是用来干什么的。比方说告诉机器人“去烧水”，机器人会知道用微波炉或炉具去烧水，而且知道必须把炉具的开关打上。而机器人的训练是通过让志愿者玩执行相应任务的第一人称游戏来完成的。
[flash=500,400]http://player.youku.com/player.php/sid/XNzMyOTE2OTMy/v.swf[/flash]
教机器人的过程跟教小孩非常类似，因为这也是一套学习系统，但学需要教，而教机器人则需要大量的数据，所以机器学习和大数据是让机器人具备实用技能的关键。众包显然是让机器人获取数据的有效方式，靠人和机器人集体的力量帮助后者更快地学会东西。或许能够真正理解人类自然语言并执行任务的机器人已经不远了。
[flash=500,400]http://player.youku.com/player.php/sid/XNzMyOTc5MTAw/v.swf[/flash]
