人类不得不在所有的机器人能够完全自主之前管理机器人的所有行动。因为被部署在住宅、商业和工业环境中的机器人在自主性方面仍有所欠缺，所以这种管理将会长时间存在。当这些机器人卡在一个任务时（他们肯定会卡住），远程监控操作员可以出来帮助他们。但，这对操作员造成的问题是，这个远程遥控过程将会十分得乏味无趣。
当机器人需要帮助时，对于大多数抓握任务，这意味着人类需要手动定位夹具的每个单一自由度，同时要仔细分辨低分辨率3D点云。由Sonia Chernova教授领导的Georgia Tech的机器人自主学习和交互学习（RAIL）实验室的研究人员正在努力使这一过程不那么让人难捱。他们的解决方式涉及摆脱所有的手动定位和使用一两个点击操作就能顾全一切的友好交互式界面。
在上述视频中所示的完全手动和点击抓取方法之间，还实施了一个中间地带“限制定位”方法 ，其智能地限制用户需要定位的自由度的量。相反，用户仅需要选择抓握点，接近角度和抓握深度。
如果将这些方法放在一起，将获得一系列远程操作抓取选项，从完整的6-DoF手动控制到3-DoF约束定位抓取到单击自动抓取。你可以在这里看到所有这些方法的实际应用。
尽管它不一定要进行场景或对象识别，但随着这些掌握方法的自主性改善，系统越来越多地使用场景信息。换句话说，它需要基本的深度数据，来帮你抓取，但它不需要了解它在看什么，这就让它不需要培训就能轻松扩展或部署到新的环境。这三种方法也只能使用鼠标和键盘操作，并通过友好的网页界面访问，这有助于提高用户对系统的舒适度。舒适度是关键的一点，因为理想情况下，我们都希望非专家用户也能操作机器人。
RAIL实验室研究员解释，对非专家用户的研究表明，点击式界面是最有效的，能够帮助用户“更快地完成更多的任务，更加一致地完成任务，减少错误”。
虽然点击具有超过其他接口的明显优势，但是在减少用户所做的错误数量上，限制定位也确实具有比自由定位更有意义的优势。最常见的错误类型是夹具还没碰到环境，物体或其它物件就错过了抓取。限制定位和点击都需要用户通过点击来将他们的末端执行器定位集中在关键点周围，以减少犯错次数，来更有效地使用机械臂。