בסרטי מדע בדיוני ניתן לראות רובוטים שמסוגלים לבצע את פקודות המתכנתים שלהם גם במצבים לא צפויים. אנחנו שואפים שכך יהיה גם בעולם התוכנה. המתכנתים ישלטו על המערכות הרובוטיות (בהן למשל רובוטים תעשייתיים, מכוניות אוטונומיות ומכשור רפואי), הן לא יקבלו החלטות על דעת עצמן, אבל בזכות הבינה המלאכותית הן יבצעו פעולות רבות, גם כאלו שלא תוכננו מראש. זאת באמצעות מנגנונים אוטומטיים שיתרגמו הוראות תכנות לפעולות. כך נוכל לקבל מערכות רובוטיות משוכללות, שיכולות להתמודד עם תסריטי פעולה רבים יותר. לדוגמה, כאשר ניתן לרובוט הוראה לחמם מנוע והוא יראה אוטומטית שהטמפרטורה לא עולה, הוא לא יתחיל בניסיונות אין-סופיים לחמם את המנוע אלא יתקן קודם את התקלה. במחקר זה בנינו מערכות רובוטיות משוכללות באמצעות שיטת תכנות שפיתחנו, שנקראת תכנות התנהגותי (ובשמה הנוסף: תכנות מונחה תסריטים), בשילוב שיטות מעולם הבינה המלאכותית כגון תכנות מבוסס אבולוציה ולמידת חיזוק עמוקה. בשיטת תכנות התנהגותי מריצים במקביל רכיבי תוכנה שנקראים תסריטים, אשר כל אחד מהם מתאר תרחיש של קטע התנהגות שהמערכת חייבת לעשותו, יכולה לעשותו או שאסור לה לעשותו. הדרישות והאילוצים של כל התסריטים משולבים יחדיו בעת הרצת התוכנה ומייצרים את ההתנהגות המערכתית הדרושה. בשיטת תכנות מבוסס אבולוציה, בכל צעד אלגוריתמים מסננים פתרונות מתמטיים (למשל לאסטרטגיית תנועה בשטח שמנסה להימנע ממכשולים) פחות טובים ומוחקים אותם מהזיכרון (רואים בסימולציות שמערכות שפועלות לפי הפתרונות הללו פחות מצליחות). את הפתרונות המוצלחים הם משלבים ויוצרים מהם פתרון חדש. למידת חיזוק עמוקה היא תת־תחום בתוך שדה שנקרא למידה חישובית (המכונה גם למידת מכונה), שעוסק בפיתוח אלגוריתמים שמאפשרים למערכות ממוחשבות ללמוד מתוך דוגמאות והתנסויות קודמות – כלומר מפעילות עצמאית ולא על סמך מתכנתים שמזינים אליהן מידע – וכך לעשות מגוון משימות חישוביות. באמצעות שיטות אלו בנינו מערכות רובוטיות, למשל לוויין שמקבל החלטות תוך כדי פעולה באופן אוטונומי ויחידת בקרה לרובוט שמשחק כדורגל נגד רובוטים אחרים. הראינו שהמערכות הללו מגיבות נכון בסיטואציות רבות, גם כאלו שלא תכנתנו מראש. בנוסף, ראינו ששיטות התכנות שהשתמשנו בהן הובילו לפתרונות מתמטיים של משימות רובוטיות שנכתבו בהם מעט מאוד שורות קוד (הוראות בשפת תכנות שמתורגמות לפעולות). זאת ביחס לפתרונות מתמטיים שהתקבלו בשיטות אחרות, אשר עסקו באותן משימות רובוטיות ודרשו שורות קוד רבות. כלומר, פיתחנו מערכות פשוטות ויעילות, קלות לתחזוקה, שבהן פוחת הסיכוי לשגיאות בתרגום הוראות לפעולות.