机器人自主性是指系统在没有直接人为控制的情况下执行任务的能力，它利用传感器、算法和执行器来感知、决策和行动。自主性的核心建立在三个层面上：感知（感知环境）、决策（处理数据以选择行动）和执行（执行行动）。例如，一辆自动驾驶汽车使用摄像头和激光雷达来检测障碍物，使用导航算法规划路径，并控制转向和加速。自主性因应用而异——工业机器人可能遵循预定义的路径，而无人机可能实时动态地避开障碍物。
自主性是通过环境复杂性、任务多样性和决策独立性等指标来衡量的。SAE International 针对车辆的自主性级别（0-5 级）是一个常用框架。0 级表示没有自主性，而 5 级意味着在所有条件下的完全独立性。对于非车辆机器人，指标包括处理非结构化环境的能力（例如，仓库机器人在意外物体周围导航）或适应任务变化的能力（例如，送货机器人因道路封闭而重新规划路线）。性能基准，例如对象识别的成功率或从错误中恢复所需的时间，也可以量化自主性。例如，一个机器人在动态环境中完成 95% 的任务而无需干预，这表明它比需要频繁人为输入的机器人具有更高的自主性。
开发人员通过模拟、受控测试和实际部署来评估自主性。像 ROS（机器人操作系统）和 Gazebo 这样的工具可以模拟环境，以测试感知和规划算法。标准化的基准，例如 DARPA 机器人挑战赛，评估在约束条件下的导航和操作。实际指标包括正常运行时间（机器人运行而不会发生故障的时间）和错误率（例如，不正确的对象抓取）。例如，Boston Dynamics 的 Spot 机器人经过各种地形中的避障测试，测量它跌倒或需要手动覆盖的频率。这些方法帮助开发人员识别差距，例如改进 SLAM（同步定位和建图）算法，以在 GPS 受限区域实现更好的导航。