В работе применяются методы из областей вычислительной техники, машинного обучения, компьютерного зрения, робототехники и распознавания образов. Основной акцент сделан на использовании сверточных нейронных сетей и их оптимизации с помощью генетических алгоритмов для повышения точности и производительности классификации изображений. Для решения задач автономной навигации рассматриваются алгоритмы SLAM и их модификации с использованием различных сенсоров. Экспериментальные исследования включают распознавание объектов в разнообразных условиях и тестирование автономного робота в реальной среде. Для обучения и проверки применяются как открытые базы данных (MNIST, ImageNet, CocoDataset), так и собственные наборы данных.