A számítási intelligencia módszerek egyre jelentősebb szerepet játszanak a műszaki és más alkalmazott rendszerek modellezésében, irányításában és a velük kapcsolatos döntési, és optimalizációs feladatok végrehajtásában. Olyan intelligens számítástechnikai modellek és technikák születtek, amelyekkel a megnövekedett bonyolultságú modellezési, irányítási és optimalizációs feladatok hatékonyan végrehajthatók. Számos műszaki területen és más alkalmazott tudományban, például a robotikában, logisztikában sok olyan probléma van, amelyek klasszikus matematikai módszerekkel nem jól kezelhetők. A számítási intelligencia algoritmusok és modellek megoldást kínálnak erre. E módszerek közös jellemzője, hogy elfogadható szuboptimális, általában közelítő megoldást nyújtanak, ügyelve ugyanakkor a (mind tárhely, mind végrehajtási idő értelemben vett) számítási bonyolultság kezelhetőségére, azaz általában alacsony fokú polinomiális szinten tartására. A kutatás tárgya egyrészt a számítási intelligencia algoritmusok és modellek továbbfejlesztése, másrészt ezen algoritmusok és modellek alkalmazása, robotikai és logisztikai feladatok megoldásában.

Mostanában számos intelligens robotot fejlesztenek a következő generáció társadalmának. Az intelligens robotoknak feladatokat kell végrehajtaniuk valós környezetekben pl. házakban, nyilvános és magán létesítményekben. Az egyre növekvő igény a mindennapi feladatvégzések automatizálására és az új robottechnológiák inspirálják az emberszabású robotok fejlesztését, azaz olyan biztonságos és megbízható gépek fejlesztését, amelyek az emberek közvetlen közelében vannak, vagy közvetlenül érintkeznek emberekkel különböző területen.

A jelenlegi technológia leginkább klasszikus ipari robotokat használ, amelyek biztonságosan el vannak zárva az emberektől. Ahhoz azonban, hogy a robotokat az emberekkel közeli kollaborációban használjuk, különböző technológiai kihívásokat le kell győzni. A robotnak emberszerű intelligenciával és kognitív képességekkel kellene rendelkeznie ahhoz, hogy együtt élhessen az emberekkel. Az adaptáció, tanulás, kognitív fejlődés koncepcióit kell bevezetni a robotok következő generációjába. A számítási intelligencia módszerek, mint például fuzzy rendszerek, neurális hálózatok, evolúciós algoritmusok, segíteni tudnak ezen koncepciók megvalósításában. A számítási intelligencia technikák legfontosabb közös jellemzője, hogy képesek elfogadható szuboptimális, közelítő megoldást adni, miközben a számítási bonyolultságot kezelhető, általában alacsony fokú polinom szintjén tartják. Ez egy lényeges szempont, amikor robotok kognitív fejlődését alacsony költség mellett akarjuk megvalósítani, mind pénzügyi, mind algoritmikai értelemben.