Les systèmes autonomes prennent tout leur sens lorsqu'il s'agit de s'occuper de tâches qui sont trop dangereuses, trop difficiles ou trop répétitives pour l'humain. Les systèmes s'adaptent aux événements de leur environnement et réagissent avec une décision appropriée : ils perçoivent, apprennent, pensent et réagissent intelligemment en fonction de l'événement.
Les systèmes autonomes représentent également un grand potentiel en matière de robotique collaborative. Ils peuvent par exemple prédire le prochain mouvement de l'employé en se basant sur leur expérience et adapteront leur propre mouvement en conséquence. Cette prédiction de mouvement rend la collaboration plus sécurisée et plus efficace.
À partir de l'information qui lui est donnée (exemple : résultat final souhaité), un robot autonome peut déduire lui-même toutes les étapes de travail nécessaires à la réalisation de la tâche, notamment grâce à des algorithmes d’intelligence artificielle (IA) appropriés. En plus du Reinforcement Learning (apprentissage par renforcement), nous nous inspirons également de la biologie : cette IA efficace et spécialisée est basée sur l’intelligence des fourmis, des abeilles et d’autres insectes.
Pour permettre d'atteindre des capacités robotiques intelligentes telles que l’emballage de caisses ou l’estimation du poids, l’IA peut être apprise à l’aide de jeux de données générés virtuellement. On utilise également le Sim2Real Learning, qui consiste à apprendre dans des simulations ou des systèmes hybrides puis à exécuter de ce qui a été appris sur le robot réel.