Autonome Systeme müssen sich im SFG schnell an neue Betriebsbedingungen und Vernetzungsstrukturen anpassen. Diese Skalierungsfähigkeit stellt insbesondere bei maschinellen Lernverfahren aufgrund des hohen Datenbedarfs eine besondere Herausforderung dar. Auch hier wird maschinelles Lernen als grundlegende Methodik betrachtet. Im besonderen Fokus stehen multimodales Lernen (Multimodal Learning), Lernen aus wenigen Beispielen (One-Shot / Zero-Shot Learning), Imitationslernen (Imitation Learning) und kontinuierliches Lernen (Continual Learning). Der anvisierte Forschungsansatz adressiert diese Herausforderung zweistufig:

(i) effiziente Lernverfahren, die aus einer geringen Menge multimodaler Daten lernen können;

(ii) Selbstoptimierung, um das initial gelernte Modell über die Zeit kontinuierlich zu verbessern.