机器人的“大脑”与人类大脑有很大的不同，指导机器人如何处理各种事项通常来说就是编写的代码是否正确的问题。这听起来似乎机器人比人类的学习方式更为简单，但实际上则是更加困难——因为机器人没有人类的直觉，由于不会根据不断变化的环境而作出变通和适应，使得很多事情变得几乎不可能实现，比如雷锋网报道过的比战斗机还复杂的Atlas，还无法适应复杂的环境。
加州大学伯克利分校（UCB）的一组研究人员展现了一个机器人，其可以通过不断地试错来学习，就像人类的学习方式一样。它的形成使人类在人工智能领域的研究向前迈进了一大步。
UCB的电气工程和计算机科学系的教授 Pieter Abbeel 表示，“已经研发出了一种全新的方法来赋予机器人学习”。
这个方法的关键之处在于，当这个机器人面对了之前从未接触过的新鲜事物时，研究人员也不必对机器人重新编程。完全相同的软件，但在研究人员让机器人学习所有不同的任务时，软件却能对机器人如何学习进行相应的编码。
这一方法允许机器人在遇到比它们通常的操作环境还要更加杂乱的环境中更有效地运作，如工厂或实验室。
大多数的机器人应用都是将机器人放置在一个受控的环境中，所有的物体都处于可预见的位置上。而把机器人放到普通的现实生活中的挑战则是机器人必须能够感知和适应周围环境，周围的环境则是在不断的改变。
为了让机器人的学习能够模仿人类学习，团队需要接入机器学习研究的一个分支——深度学习。关于深度学习雷锋网有过很多报道，它会使用一种方法，让人造神经网络能够从一个基线上推断出相应的知识，整个学习过程都无需研究人员对下一层的数据进行编程。
人类在整个生命历程中都会通过我们自己的经验和其他人那里学习到新的技能。这个学习过程深深扎根于我们的神经系统中。
通常情况下，当研究人员提供了这个物体看起来像什么和他们在什么位置的信息后，BRETT能够在10分钟以内就掌握每个任务。而如果让BRETT自行识别并定位到这个物体，则需要花费约3个小时才能完成——但随着数据处理能力的提高，它的速度也会提高。
随着处理的数据量不断提升，机器人就可以开始学习如何处理更复杂的事情，在未来5到10年，我们可以看到机器人学习能力显著的进步，甚至是教小孩写字了。
