当人类伸出手抓住给定的对象时，他们通常需要将杂物推开以隔离它，并确保有足够的空间来拾取它。即使人类并不总是完全意识到自己正在这样做，但是这种称为“预抓取操纵”的策略可以使他们更有效地抓取物体。
近年来，一些研究人员试图在机器人中重现人类的操纵策略，但鲜有研究集中在预抓取操纵上。考虑到这一点，卡尔斯鲁厄技术学院(KIT)的一组研究人员最近开发了一种算法，该算法可用于对机器人进行抓握和预抓握操纵策略的培训。在arXiv上预先发表的一篇论文中介绍了这种新方法。
进行这项研究的研究人员之一拉斯·贝尔谢德(LarsBerscheid)告诉TechXplore：“虽然抓握是机器人技术中一项容易理解的任务，但是有针对性的预抓握操作仍然非常具有挑战性。”“这使机器人目前很难从混乱或狭窄的空间中抓取物体。但是，随着机器和机器人学习的最新创新，机器人可以学习如何通过与环境互动来解决各种任务。在这项研究中，我们希望将先前工作中介绍的方法不仅应用于抓取，而且也应用于预抓取操作。”
当机器人学习如何完成某项任务时，它本质上需要找出如何通过最大化其报酬来解决问题的方法。在他们的研究中，研究人员专注于一项涉及从随机填充的垃圾箱中抓取物体的任务。
使用摄像机的输入和其夹具的反馈，对机器人进行了大约80个小时的如何握紧物体的培训。当它成功地将一个物体固定在其机械手中时，便获得了奖励。Berscheid和他的同事开发的算法将机器人的训练又向前推进了一步，使它也可以获取对预抓取操纵策略(例如移动或推动)有用的信息。
Berscheid解释说：“我们工作的关键思想是通过引入额外的移动或推动动作来扩展抓握动作。”“然后，机器人可以决定在不同情况下应采取的行动。在现实中训练机器人非常棘手：首先，这需要很长时间，因此训练本身需要自动化和自我监督，其次是很多意外的事情与机器学习中的其他技术类似，机器人学习总是受到其数据消耗的限制。换句话说，我们的工作涉及两个非常具有挑战性的研究问题：机器人如何才能像学习机器人一样快可能-机器人可以使用发现的见识来学习哪些任务?”
