ความน่าเชื่อถือในการหยิบจับวัตถุของหุ่นยนต์มักถูกจำกัดด้วยความไม่แน่นอนที่เกิดจากการสัมผัส (Contact-rich interactions) ขณะที่วิธีการแบบ Model-based เดิมๆ มักจัดการกับความไม่แน่นอนเหล่านี้ได้ไม่ดีพอ คณะผู้วิจัยจึงเสนอแนวทางที่ใช้ Stein Variational Inference เพื่อสร้างระบบควบคุมที่มีความทนทานต่อการเปลี่ยนแปลงของพารามิเตอร์ต่างๆ ได้ดีขึ้น
วิธีการนี้ช่วยให้หุ่นยนต์สามารถปรับตัวเข้ากับความไม่แน่นอนของงานได้อย่างแม่นยำ โดยจากการทดลองพบว่าสามารถเพิ่มความแข็งแกร่ง (Robustness) ได้ถึง 3 เท่าในงานหยิบจับที่มีการสัมผัสหนาแน่นเมื่อเปรียบเทียบกับวิธีการแบบ Model-based แบบเดิม ซึ่งถือเป็นก้าวสำคัญสำหรับการนำหุ่นยนต์ไปใช้งานในโรงงานหรือสภาพแวดล้อมที่ต้องการความละเอียดอ่อนสูง
