เมื่อหุ่นยนต์ต้องทำงานในพื้นที่ส่วนบุคคลและส่งข้อมูลภาพ 3D (Point Cloud) ไปยังคลาวด์หรือแบ่งปันข้อมูลระหว่างกัน มักเกิดความเสี่ยงเรื่องความเป็นส่วนตัวเนื่องจากข้อมูลเหล่านั้นอาจระบุฟังก์ชันของห้องหรือข้อมูลส่วนตัวได้ RoboShape ถูกพัฒนาขึ้นเพื่อแก้ปัญหานี้โดยใช้หลักการบีบอัดข้อมูลตามทฤษฎีสารสนเทศ (Information Theory) เพื่อเลือกเก็บเฉพาะข้อมูลที่จำเป็นต่อการระบุวัตถุและตัดข้อมูลที่อาจเปิดเผยความลับส่วนบุคคลทิ้งไป
ผลการทดสอบกับข้อมูล LiDAR ในอาคารพบว่า RoboShape สามารถบีบอัดข้อมูลให้เล็กลงได้ถึง 87.5% แต่ยังคงรักษาความแม่นยำในการจำแนกวัตถุได้สูงถึง 98.7% ในขณะที่สามารถลดความแม่นยำในการคาดเดาข้อมูลส่วนตัวลงได้ถึง 39.3% นอกจากจะช่วยเรื่องความเป็นส่วนตัวแล้ว ข้อมูลที่เล็กลงยังช่วยลดภาระในการส่งข้อมูลผ่านเครือข่ายและประหยัดทรัพยากรในการฝึกโมเดลต่อไป
