本文介绍了一种基于深度学习的机器人物体分割方法，该方法通过自我监督学习和与环境互动自动生成训练数据，显著提高了分割性能。研究表明，该方法在复杂场景下的精度优于现有算法，且无需人工标注数据。

该文综述了多篇机器人物体分割研究，核心是利用合成RGB与深度数据、自监督学习及人机交互，使机器人识别和抓取未见物体。方法包括UOIS-Net、SelfDeepMask、教师-学生学习及点云超分割等，无需人工标注即可训练。实验表明分割精度和成功率显著优于基线，部分mIoU提升达46.1%。