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（JohnOberlin）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ROS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（AshutoshSaxena）之后在康奈尔大学（Cornell）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（它与PR2机器人在构造上有所不同）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BrainofThings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。”
