Die Forschung am CRIL befasst sich mit der Entwicklung intelligenter autonomer Systeme. Auf Basis verfügbarer Informationen sollen diese Systeme in der Lage sein, vernüftige Entscheidungen zu treffen um gegebene Zeile zu erreichen. Hierzu müssen sie in der Lage sein, Schlussfolgerungen zu ziehen. Die Herausforderungen beim der Konstruktion solcher Systeme haben unterschiedliche Ursachen: Zunächst sind die verfügbaren Informationen häufig heterogen und unvollständig. Sie beinhalten typerscherweise Wissen und Glauben über den Zustand der Welt in der sich befindet (zum Beispiel physikalische Gesetze aber auch Daten die von mehr oder weniger zuverlässigen Sensoren gemessen wurden). Dies beinhaltet auch Informationen über über andere Agenten in derselben Welt, die Beschreibung möglicher Aktionen und ihrere Effekte, Präferenzen der Agenten zum Zustand der Welt und der auszuführenden Aktionen. Die Unvollkommenheit der Informationen hat mehrere (korrelierte) Facetten, unter anderem Unvollständigkeit, Widersprüchlichkeit, Kontextabhängigkeit. Ausserdem gibt sind unterschiedliche Arten zu Schliessen notwending um “intelligentes” Verhalten zu similieren. Schliesslich macht die Kompaktheit von Repräsentationen oft Inferenz und Entscheidungsfindung im Allgemeinen unmöglich aufgrund der Komplexität der Berechnungen. Es ist deswegen wichtig, die Quellen der Komplexität zu identifizieren und sie wenn möglich zu umgehen durch die Entwicklung von Algorithmen, die in der Praxis effizient sind, oder Approximations- oder Kompilationsmethoden zu nutzen. Die Forschung am CRIL ist folglich in zwei Achsen eingeteilt: zum einen die Verarbeitung von unvollkommener, dynamischer, kontextabhängiger Information und solcher aus mehreren Quellen; andererseits Algorithmen für Inferenz und zum Fällen von Entscheidungen.

axes: data, knowledge, constraints.