Das Sehen gehört zu der am besten entwickelten Sinnesleistung des Menschen. Unsere Augen verwandeln ein Szenenbild in elektrische Signale, die das Gehirn in einem vielstufigen Prozess als visuelles Muster erfahrbar macht.
Das Phänomen optischer Täuschungen zeigt uns, dass das Gehirn viele "Abkürzungen" versucht, die manchmal zu Wahrnehmungs-illusionen führen können.
Die "Augen" ganz einfacher künstlicher visueller Systeme bestehen gewöhnlich nur aus simplen Lichtsensoren. Das höhere Bilderkennen erfordert jedoch oft Stereosehen. Stereoskopisch montierte Kameras erlauben die Ermittlung von Raumtiefe, Entfernung und Größe von Gegenständen.
Die Verarbeitung optischer Sensordaten in einem Computer hat das menschliche Sehen zum Vorbild. Künstliche Systeme können allerdings nur identifizieren, was sie dank ihrer Programmierung schon genau kennen. Eines der größten Ziele der Robotikforschung ist es, die Vielseitigkeit des menschlichen Sehens zu erreichen, sowie Erkennen und Handeln miteinander zu verbinden.