如果您曾经编写过用于控制机械臂或任何类似机器人的机械的软件，并且通常具有三个以上的自由度，那么您就会知道，大部分时间都需要对运动本身进行编程。 现在，假设您通过随意连接链接和驱动器来构建机械臂，然后软件确定链接的长度，链接的位置，旋转角度等。
这就是哥伦比亚研究公司的研究人员编写软件的过程，
他们学习如何设置由其控制的机械臂 ，而对发动机的物理，几何或动态特性一无所知。 首次发射后，他不知道机器人的形式，发动机的工作方式以及它们各自的影响方式。 在大约一天半的时间里，首先要谨慎地做出一些随机的动作，并收到有关正在发生的情况的反馈，该软件使用了深入的培训，可以对内置的模拟器进行配置，从而使虚拟机器人尽可能地具有物理性。
项目经理Lipson和他的研究生Robert Kwiatkowski正在试验具有四个自由度的铰接式机械臂。 在软件培训开始时，模型不准确，并且不确定链接的连接顺序。 经过35个小时的训练，该模型与实际情况相符，精度不低于4厘米。 然后，该软件迫使roboruk拿起并移动对象，而每次移动之后，都将根据仅由独立训练形成的模型进行额外的重新校准。
为了确定此类软件是否可以检测出对转子臂的损坏，打印了类似但经过特殊变形的软件来代替其中一个部件。 该软件确定已更改，并对模型进行了适当的更改。 不久，它执行了提升和移动物体的任务，但效果稍差一些。
由于有关机器人设备的软件内部思想不是一成不变的，因此，它不仅可以表现得越来越好，而且还可以适应损坏和结构变化。 而且，随着零件的逐渐磨损以及形状略有不同的零件的替换，一切将继续起作用。
当然，由此类软件管理的roboruk不会很快像
Dexter一样准确，
Dexter是具有传统软件的roboruk，它在2018年Hackaday竞赛中为开发人员颁发了奖项 ，但有趣的是，它的工作原理是：