Målet med INNATE er at fremlægge et fundamentalt nyt paradigme indenfor tilpasningsdygtige maskiner som kontinuerligt lærer fra erfaring og som tager tidligere tillært viden i brug i nye situationer. Metoder indenfor kunstig intelligens bliver gradvist integreret i vores dagligdag og kan nu overgå mennesker i adskillige domæner. Disse systemer er dog stadig håbløst bagud sammenlignet med biologisk intelligens som kan tilpasse sig og lære i uforudsete situationer. Nuværende maskinlærings-systemer kan kun gebærde sig i situationer hvori de er blevet trænet. De er altså ikke i stand til at tilpasse sig til uventede situationer når de er taget i brug. Biologiske organismer kan til gengæld hurtigt reagere under forandring fordi de gennem evolution har udviklet medfødte evner som afspejler naturens vilkårligheder. I dette projekt vil vi udvikle en ny type af algoritmer som er baseret på en kombination af evolutionære algoritmer og avanceret reinforcement learning. Disse algoritmer vil markant vil øge brugbarheden af robotter inden for fabriksarbejde og automatisering i varehuse.