La capacidad de los robots para realizar tareas complejas y no repetitivas será clave para alcanzar un nuevo nivel de automatización en aplicaciones agrícolas. La cosecha, requiere una combinación de movimientos que generalmente se desglosan en una fase de servocontrol visual y una de manipulación. Este artículo se centra en la tarea de cosechar hongos frescos, que aún se realiza manualmente por recolectores humanos debido a su alta complejidad. Un desafío clave es permitir la cosecha con hardware y sistemas mecánicos de bajo costo, como pinzas blandas, que presentan desafíos adicionales en comparación con sus contrapartes rígidas. Se diseñó una canalización de modelos de aprendizaje por imitación que utiliza cuantificación vectorial para aprender incrustaciones cuantificadas directamente a partir de entradas visuales. Los autores resaltan que se logró un éxito del 100 % en la selección de hongos entre distractores con menos de 20 minutos de recopilación de datos, que comprende una única demostración experta y trayectorias auxiliares no expertas.