人工智能与机器人研究所重点开展以下两个研究方向：
一、智能信息感知与图像理解
该研究方向主要针对开放环境中不确定条件下的视觉感知与行为理解等领域展开理论和应用研究。着重开展以下子方向的研究：
（1）基于概率图模型的智能信息感知理论及其应用研究
在这个领域，研究团队主要基于深度学习、高阶随机场方法、流形理论、机器学习等理论和方法研究复杂开放环境中不确定条件下的复杂场景信息的学习、表达和推理方法，把智能感知信息和智能制造进行深度融合，重点研究城市综合管廊巡检机器人、基于视觉感知的建筑检测机器人、复杂环境下火灾检测机器人、工业视觉检测系统等关键科学技术问题，推动人工智能与自动化的应用研究。
（2）深度学习下的机器视觉信息分类、识别与行为理解
在这个研究领域，研究团队主要基于深度学习、对抗、强化与迁移学习等计算智能与机器学习的智能感知新方法、新理论实现图像（视频）分割、识别及语义理解，重点研究公共场所视觉监控中的人群密度检测、基于视觉的大空间建筑人群行为分析、辐射源个体识别中的深度特征表示与多核融合、高分辨率遥感图像中建筑物的提取等关键技术。
二、复杂制造系统智慧决策
该研究方向主要针对实际的智能制造系统，进行相关的计划、调度与控制等领域的基础及应用研究。将开展以下子方向研究：
（1）数据与机理混合驱动的复杂生产与运输系统多阶段智能优化控制
运用强化学习、深度学习等相关现代人工智能方法，合理分析利用大量的生产数据并提取生产调度与控制的相关领域知识，在此基础上将不确定优化问题转化为确定性优化问题，进而运用现代优化与控制方法求解复杂制造系统的运行决策问题。在应用层面上，将重点开展装配式建筑背景下的预制件生产、运输及装配的不确定多阶段动态系统优化控制研究，并研发相关的智慧决策系统，从而提高装配式建造系统的综合运行效率。
（2）大规模复杂分布式制造系统的数学启发式混合智能优化控制
该研究方向重点针对大规模复杂制造系统，研究如何将原问题转换成有特殊结构的问题，比如线性和可分离性，基于对问题困难的分析和对相关领域知识的深刻理解，协同地集成先进的数学规划分解方法和智能优化方法，求解大规模调度与控制问题。在应用层面上，将重点开展覆铜板关键生产过程的批量调度与控制的一体化研究并研发相应的智能决策专家系统，提高覆铜板及其相关企业的生产效率并降低能耗。
