آمازون برای دستیابی به این هدف، مسابقاتی را در لیپزینگ آلمان برگزار کرد. این مسابقات با هدف طراحی ربات‌های بسته‌بندی انجام شده و تیم‌های مختلفی از سرتاسر جهان در آن شرکت کرده‌اند. تیم‌های شرکت‌کننده در این مسابقه باید ربات‌هایی طراحی می‌کردند که قابلیت برداشتن حرفه‌ای وسایل و گذاشتن آنها در مکان‌های مورد نظر را به همراه بسته‌بندی داشته باشند.
تیم‌ها قبل از برگزاری مسابقه، یک فایل JSON به همراه لیست اجسام و روند کاری را دریافت کردند تا پس از ۵ دقیقه بررسی، طراحی خود را شروع کنند. تیم برنده‌ی این مسابقات، Team Delft نام داشت. ربات این تیم از یک گیره به صورت دو انگشت ساخته شده بود که یک دستگاه مکنده نیز در برداشتن و بسته‌بندی اجسام به آن کمک می‌کرد. این ربات در وظایف برداشتن اجسام و بسته‌بندی، بهترین امتیازها و زمان‌ها را بدست آورد و موفق شد جایزه‌ی ۵۰ هزار دلاری تیم اول را دریافت کند. از چالش‌های جذابی که آمازون در این مسابقه استفاده کرده بود، استفاده از اجسام با اشکال متفاوت برای وظایف مختلف بود و در مجموع، حدود ۴۰ جسم مختلف در این مسابقه استفاده شد.
چالش اصلی در طراحی ربات‌های انباردار، اضافه کردن قابلیت جابجایی اجسام با اشکال و ابعاد گوناگون به آنها است. ربات‌هایی که در حال حاضر وظیفه‌ی انبارداری را بر عهده دارند، توانایی جابجایی تعداد محدودی از اجسام را دارند و در زمینه‌ی انتخاب ابعاد اجسام با محدودیت روبرو هستند. ربات‌های طراحی شده در این مسابقه و ربات تیم Team Draft توانایی تشخیص ابعاد اجسام را به کمک دوربین‌های دقیق داشتند و به راحتی مکان و ابعاد آنها را تشخیص می‌دادند.
علاوه بر فاکتور زمان، فاکتور دقت و سالم ماندن بسته‌بندی نیز در این مسابقه لحاظ شده بود. مواردی مانند خراب کردن بسته‌بندی، انداختن بسته از ارتفاع بیش از یک فوتی یا قرار دادن آن در قفسه‌ی اشتباه، شامل امتیاز منفی برای تیم‌های شرکت‌کننده می‌شدند. Delf و تیم ژاپنی PFN در این بخش امتیاز مشترکی داشتند.
مدیران تیم‌ها و برگزارکننده‌های این مسابقه در این نکته اتفاق نظر داشتند که در آینده‌ی نزدیک انسان‌ها و ربات‌ها در کنار یکدیگر در انبارها کار خواهند کرد. تکنولوژی‌های حاضر در ربات‌ها، توانایی انجام ۵۰ درصد از کارهای مختلف در انبارها را دارند و پیش‌بینی می‌شود که در طولانی مدت، ربات‌ها جای کارگرهایی که وظایف تکراری دارند را به طور کامل بگیرند.
نکته‌ی اصلی در پیشرفت چنین تکنولوژی‌هایی، استفاده از یادگیری عمیق ماشینی است. استفاده از نرم‌افزارهایی که در تشخیص چهره و اتوماسیون کاربرد دارند، باعث پیشرفت این ربات‌ها شده و آنها به راحتی می‌توانند شکل و ابعاد اجسام را تشخیص داده و استراتژی‌های جابجایی و بسته‌بندی مناسب را برای آنها انتخاب کنند.
