对大部分人而言，将一个物体累加在另一个物体上是一项简易的每日任务。但就算是最繁杂的机器人也没办法与此同时解决好几个那样的每日任务。这是由于堆叠必须一系列不一样的健身运动、认知和剖析专业技能，包含与不一样类型物体互动交流的工作能力。此项工作的复杂性已使其变成机器人行业的重要挑戰。

DeepMind的一组研究人员觉得，要推动机器人堆叠技术性的发展趋势，必须一个新的标准。在将于2021年在机器人学习培训交流会(CoRL 2021)上刊登的一篇毕业论文中，她们讲解了RGB-Stacking，即让机器人学习培训怎样把握住不一样的物体，并让他们在另一个物体上保持稳定。尽管在参考文献中早已拥有沉积每日任务的标准，但研究人员肯定，她们的研究往往不同寻常，是由于所运用的另一半的多元性，及其为认证它们的“发觉”而实现的评定。研究人员在文章中写到，结果显示，仿真模拟和实际信息的融合能够用于学习培训“多目标实际操作”。

研究人员表明：“为了更好地适用别的研究人员，大家已经对外开放仿真模拟自然环境的一个版本号，并公布用以搭建真正机器人RGB堆叠自然环境的设计方案，及其RGB领域模型和用以3D打印出他们的信息内容。大家仍在更普遍地对外开放用以机器人研究的公共图书馆和专用工具。”

据DeepMind的研究人员称，学习过程保证 机器人根据对好几个目标集的培训得到 通用性专业技能。RGB-Stacking有意更改爬取和堆叠的特性，这种特性界定了机器人怎样爬取和堆叠每一个物体，这驱使机器人主要表现出超过简易的捕捉和置放对策的个人行为。

伴随着机器人在堆叠和爬取物件层面变的更为娴熟，一些权威专家觉得，这类种类的自动化技术很有可能会促进加工制造业迈入新一轮发展趋势。