Autonomie d'apprentissage: les systèmes d'autonomie avancés doivent avoir des capacités d'auto-apprentissage et être capables d'améliorer les performances de contrôle grâce à des comportements de correction, d'optimisation et d'apprentissage autonomes basés sur des objets, des environnements, des tâches et des effets de contrôle.
Par conséquent, les systèmes autonomes avancés ont les caractéristiques d'adaptabilité, d'auto-réparation, d'intelligence, de collaboration, d'auto-apprentissage, etc.
Le contrôle autonome comprend l'exécution automatique d'itinéraires prédéterminés et de tâches planifiées, ou de perception en ligne, et la prise de décisions en vol et l'exécution de tâches de manière autonome selon les missions et principes déterminés. Le défi du contrôle autonome est de résoudre une série de problèmes de solution optimale en temps réel ou en temps quasi réel dans des conditions d'incertitude, et aucune intervention humaine n'est requise. La décision automatique face à l'incertitude est un niveau logique de progression du contrôle autonome du contrôle de la boucle interne, du pilote automatique à la gestion de vol, de la gestion multi-avions, puis de la gestion de mission. C'est aussi le contrôle automatique du niveau de contrôle de réponse continue au niveau discret Une extension du niveau événementiel.
