De robotbutler is nog niet voor morgen. Hedendaagse robots worden geprogrammeerd om vooraf bepaalde handelingen uit te voeren waardoor ze niet kunnen omgaan met wisselende omgevingen. Gelukkig bestaan er lerende algoritmes die rekening houden met deze variabiliteit. Helaas vragen deze methodes veel data en zijn robots te duur en te traag om de grote hoeveelheid aan data te genereren. Is er dan geen manier om het leerproces van robots te versnellen? Dit onderzoek bestudeert hoe we robots sneller kledij kunnen leren vouwen. Een slimme handdoek toont de robot hoe hij gevouwen is en laat de robot toe sneller te leren hoe hij dit zelf moet doen. Daarnaast doen we een beroep op data afkomstig van het grote publiek om robots te tonen hoe kledij gevouwen wordt. Zo leren robots het doel van deze taken te begrijpen. Met deze voorbeelden ontwikkelen we een systeem dat hen toelaat de taakkwaliteit nauwkeurig in te schatten. Het verschaft toekomstige robots de taakkennis die ze nodig hebben om te interageren met hun omgeving. Ze leren de gevolgen van hun acties begrijpen en uiteindelijk ook complexe taken uitvoeren, zoals het vouwen van de was.