如果需要独立运作，那么它们就需要放下他们的“自尊”像其他同伴寻求帮助。至少华盛顿大学的电脑科学家是这样想的，他们认为应该通过众包的方式学习不同的任务。如果这个研究成功了，机器人将能够更快的学习完成日常生活中的任务。

　　人类的生活圈子不适合机器人工作，它们更喜欢能够被预测的事件，所有物体也应该在特定的位置上。但是这和人类生存的环境完全不同，人类的生存环境是混乱的，难以预测的。这让机器人很难操作家电、厨房用具等，机器人可以学习这些任务，但教学的过程非常的漫长。

　　一般来说，让机器人做人类工作的最好方法就是，模仿。与其教机器人应该做什么，不如让他看人类怎么完成任务，并依样画葫芦照做就是了。但这个方案在现实生活中要求大量的数据，并必须提供更加准确的模型：这不是一个“老师”就能够完成的。

　　华盛顿大学的团队开发了一种新方案，叫“目标基准模仿机制”（goal-based imitation），这个计划包含让机器人了解任务目标，并观察操作者的动作，并自己计算完成该方案的模型，以及完成该方案的时间。

　　但该计划创新的地方在于，与其让一个机器人大量地学习人类的动作，不如所有机器人建立网路社群。其他机器人将参考其他机器人的数据，这个数据是庞大的，它们能够利用、分析这些数据。

　　该研究团队让机器人重组乐高积木，重建出车子、树、乌龟、蛇等图形。他们首先让人类建立一个乐高模型，并要求机器人重建它们，但机器人做不到。所以该团队在众包网站上让更多人组建模型，根据网上的模型，机器人选择了最佳的方案，并重建了模型。

　　该团队负责人Rajesh Rao 说：“我们希望能够创造一个方法，让机器人能够从全世界的方案里找到解决方法。这比传统的一对一指导来的有效率，并且更加准确。”

　　该团队在今年的IEEE上展示了自己的成果，并且他们会在这方面做更加深入的研究。