แม้หุ่นยนต์ในบ้านจะเก็บภาพดิบไว้ในตัวเครื่อง แต่ข้อมูลที่ประมวลผลแล้ว เช่น แผนที่โครงสร้าง หรือพิกัดวัตถุ ที่ส่งไปยังระบบคลาวด์หรือบันทึกข้อมูล (Logs) ก็ยังสามารถเปิดเผยข้อมูลความลับของบ้านได้ งานวิจัยนี้จึงเสนอเฟรมเวิร์ก Task-Functional Perception Distillation (TFPD) เพื่อประเมินความเสี่ยงนี้
จากการทดสอบในฉากจำลอง 120 รูปแบบ พบว่าข้อมูลที่ให้ผลลัพธ์การทำงาน (เช่น การนำทาง) เท่ากัน อาจมีความเสี่ยงด้านความเป็นส่วนตัวต่างกันอย่างสิ้นเชิง การลดความละเอียดของข้อมูลทางเรขาคณิตหรือการเปลี่ยนป้ายกำกับวัตถุเป็นพิกัดกว้างๆ สามารถช่วยลดการรั่วไหลได้โดยที่หุ่นยนต์ยังทำงานได้สำเร็จอยู่ แต่จำเป็นต้องมีการประเมินแบบเฉพาะเจาะจงตามภารกิจ
