BRETT意为 Berkeley Robot for the Elimination of Tedious Tasks （用于解决繁杂任务的伯克利机器人）。通过深度学习和强化学习向控制机器人运动的软件提供的即时即地的视觉和传感反馈，BRETT 在学习提升自己在家务劳动中的表现。 过去15年，伯克利大学机器人研究者 Pieter Abbeel 一直在寻找让机器人学习的方法。2010年他和他的学生对 BRETT 进行了编程，使其可以拿起不同大小的毛巾、弄清楚它们的形状并将它们整齐叠好。
新采用的深度学习策略开启了训练机器人执行越来越复杂的任务的大门。该研究的目的是将从一个任务中所获得的经验推广到另一个任务。能从经验中学习的机器人可以比每一个新步骤都需要详细内置信息的机器人掌握更多技能。
深度学习让机器人可以感知其直接接触的坏境，包括其肢体的位置和运动。强化学习的意思是通过试错不断提高任务执行水平。具备这两种技能的机器人可以根据实时反馈改进自己的性能。
具备这些技能的机器人可以被应用到从帮助人类做繁杂的家务到协助高精细的手术等各种任务中。事实上， Abbeel 说，「机器人甚至可能会教导其它机器人。」或许还能教人类？ 
相关资讯：Pieter Abbeel 在 rework深度学习会议上的演讲
