Inom lärande reglering utnyttjar man att industrirobotar ofta utför operationer upprepade gånger, och att algoritmerna som bestämmer styrsignalerna till roboten därmed successivt kan lära sig ett allt bättre sätt att styra roboten. För att lyckas med detta behöver man kunna mäta eller skatta signaler som ger information om t ex position och orientering hos det verktyg som sitter på roboten.
Inom forskningen studeras hur information från robotens egna sensorer kan kombineras med information från kompletterande sensorer som mäter ytterligare egenskaper hos roboten. En av utmaningarna inom forskningen är att kombinera (fusionera) informationen från de olika sensorerna och utnyttja den modellkännedom man har om robotens beteende för att få en så bra skattning som möjligt av de relevanta signalerna.
Forskningen sker inom ramen för VINNOVA:s Industry Excellence Center
och i samarbete med .
