增强学习技术的发展，使得机器人的能力随之提升，除了抓取等基本操作，Google还要让机器人具备能够实际处理日常任务的能力，而Google在这2年於自家办公大楼部署23台机器人，专门在垃圾站巡逻，并执行垃圾分类和回收的工作，经统计一年约可减少一半的垃圾重量。
Google发展能够在自家办公大楼中巡逻，并且寻找垃圾站的机器人，机器人的任务是能够重新整理垃圾站的垃圾，将可回收物品从其他桶中移动到可回收桶，并将所有可分解的物品，像是纸容器和纸杯丢入可分解桶，至於其他的东西则放到垃圾桶。
研究人员提到，分类垃圾对机器人来说并不容易，光是要捡起垃圾桶中的物品，就是一个很大的深度学习挑战，而且机器人还要能够辨识物体，将物体放进合适的桶中更是不容易。研究人员使用真实世界资料，进行深度增强学习，并且透过将模拟训练和实际操作相结合，以加速学习过程，另外，机器人也使用额外的感测资讯，掌握物体的形状和大小，提高在不同场景下的泛化能力。
训练垃圾分类机器人有多个分类垃圾经验获取管道，一开始由研究人员制定一组简单的策略，虽然机器人以此策略分类垃圾的成功率很低，但是可以提供一些初始经验，第二个经验学习管道则是sim-to-real模拟训练框架，透过模拟提供机器人更多初始垃圾分类策略，再来研究人员则要机器人站在教室中，透过设定具代表性的垃圾站环境，要机器人不断地进行垃圾分类练习，最後研究人员才将这些机器人，部署到办公大楼中，在真实的环境中执行垃圾分类，学习最实际的分类经验。
虽然在实际办公大楼垃圾桶的训练，可以拥有最真实的体验，但是办公室中有些时候会有很多垃圾，有些时候却又很少，因此机器人多数的分类经验，还是在垃圾分类教室中获得。机器人在分类教室总共收集54万次的分类试验，在实际部署中则收集到3.25万次。
透过在教室中进行受控的比较实验，最终机器人能以84％的准确度分类垃圾，而且透过分析2021年到2022年的统计资料，Google表示他们的机器人分类系统，能够有效减少垃圾重量40％到50％。