在人类希望机器人来完成的工作中，例如：在仓库包装物品、帮助卧床病人、或者为前线士兵提供协助，许多工作因为机器人无法识别及处理常见物体而无法完成。
因为我们已经经历了“大数据收集过程”，所以我们通常能够自己叠衣服或拿起水杯，布朗大学的计算机科学系的教授斯蒂芬妮·泰勒斯如是说。如果想要机器人来执行相同的日常生活任务，那么它们也需要接入大量的数据，了解如何抓住和操纵物体。可是数据来自于哪里呢？通常情况下，需要辛苦的编程来制造这些数据。但是，理想上来说，机器人可以从彼此身上得到一些信息。
这是泰勒斯的“万物挑战”背后的理论。她的目标是使世界各地的研究型机器人学习如何发现和处理简单的物品，包括从碗到香蕉的各种物品，同时，机器人将数据上传至云端，并允许其他机器人分析和使用这些信息。
斯蒂芬妮·泰勒斯和Baxter机器人
泰勒斯的实验室位于罗得岛州的普罗维登斯，这里就像一个超级好玩的幼儿园。在我到访的那天，由Rethink Robotics公司制造的工业机器人Baxter，正站在众多的超大积木中，对一个小毛刷进行扫描。它朝着对面的物体来回移动右臂，使用身上的照相机拍摄多张图片，并用红外传感器测量深度。然后，它用它的双手（夹具）尝试从不同的角度来抓取刷子。一旦它将面前的物体提起，它便开始晃动该物体，以确保紧紧地抓住了这个物体。如果可以完成这些动作，那么说明机器人已经学会了如何拿起一件物品。
机器人经常可以在每个夹具各夹一个不同的物体，夜以继日地工作。泰勒斯和她的研究生约翰·奥伯林已经收集了大约200个物品的数据，并且已经开始共享这些数据，他们从小孩子的鞋子之类的东西开始，逐渐深入到塑料艇、橡皮鸭、压蒜器等炊具、还有原本属于她三岁儿子的鸭嘴杯。其他科学家也可以贡献他们的机器人的数据，泰勒斯希望他们能够共同建立一个信息库，其中能包含机器人如何处理一百万个不同物品的信息。最终，“机器人能够在一个拥挤的货架上，识别在它们面前摆放的笔，并将其捡起来”，泰勒斯说。
这种项目是有可能实现的，因为许多研究型机器人可以使用相同的标准框架，即只读存储器来编程。一旦一台机器学会了一项给定的任务，那么它便可以将数据传给其他机器人，而这些机器人可以上传反馈信息，这些反馈信息可以进一步完善原始数据信息。泰勒斯认为，这些识别和抓住任何给定物品的信息数据可以被压缩至5-10MB，也就相当于你的音乐库中的一首歌的内存大小。
每当机器人确定了抓握物体的最佳方式，它便会用其他机器人也可以使用的格式将相关数据归档
泰勒斯是Robobrain项目的早期合作伙伴，该项目证明了一个机器人如何从其它的机器人所获得的经验中学习。她的合作伙伴艾舒托什·萨克塞纳之后在康奈尔大学令PR2机器人举起了小杯子，并将其放在桌子上的指定位置上。然后，在布朗大学，泰勒斯从云端下载相关信息，用它来训练她的Baxter在不同的环境中执行相同的任务。
现在来看，这样的进步似乎是循序渐进的，但在未来的五到十年内，我们会看到“机器人的能力爆炸现象”，萨克塞纳如是说。萨克塞纳目前是一家初创公司Brain of Things的CEO。萨克塞纳认为，随着越来越多的研究人员不断贡献和完善云端知识，“机器人应该能够很容易地获取它们所需要的全部信息。”