自主智能基础理论研究

研究利用数理方法探索功能更加完善、性能更加优越的神经网络模型，并对这些神经网络模型的动力学行为进行分析和控制。具体包括：面向工业环境数据的扩散神经网络理论与模型研究、反应扩散神经网络的收敛性理论分析、反应扩散神经网络的稳定性与无源性、耦合反应扩散神经网络同步与控制及耦合反应扩散神经网络的无源性与控制等。

自主智能关键识别技术

类比于人类的感知过程，自主智能系统感知信息的途径主要包括：视觉信息、听觉信息、文本信息以及满足特定规则的信息。实验室以模式识别和机器学习为基础，利用智能信息处理技术，针对自主智能系统的高精度、高机动、强实时、高可靠的高性能感知和认知数据，开展数据收集、建模、处理和识别等理论和方法的研究。

自主智能用于智能制造研究

针对工业过程的具体要求，以实验室研究的自主智能基础理论和自主智能感知关键识别技术为基础，开展工业自主智能系统的研究与开发。针对系统中复杂的控制问题，实施最优控制与自适应控制、专家控制及自学习控制相结合的自主智能控制策略，推进自主智能技术与智能制造的深度融合。

自主智能用于艺术媒体研究

本研究方向旨在将自主智能技术融入到影视媒体技术中，从而推动影视媒体制作技术、艺术的发展。研究基于自主智能体的群体角色动画创作框架：群体中的各角色作为自主智能体，能感知环境信息，产生意图， 规划行为，通过运动系统产生运动完成行为和实现意图。 与传统的角色运动生成机理不同，该方向采用运动捕获系统建立基本运动库，通过运动编辑技术对基本运动进行处理以最终得到角色运动。