在未來，每一個反饋器都將是自適應的，而當測量值和設定值存在差別的時候，它可以改變控制來適應變化。一個真正的自適應控制器應該可以調(diào)整自己參數(shù)或者以其他方式改變算法，從而適應控制過程中的變化。

譬如，一個自適應比例控制器在控制過程中觀察到速度過快或者過慢，都可能調(diào)整它的增益。這樣的方式適合于有嚴格要求的控制過程，如機器人的可變負載控制過程。

AGV機器人

假如AGV搬運機器人搬運一個特別重的負荷，那么運動的速度將會降低，自適應控制器就會去分析結(jié)果，然后給機器人增加增益，相反，如果負載減少了，運動得到更大的效果，那么適應器就會給它稍微的減益。

不管是哪種方式，控制器都必須能夠測量出其過程中的變化，從而確定需要采取哪種補償。如果有條件的話，還可以直接衡量負載從A到B點需要多長時間或者測量多遠路程。

但是很不辛的是，自適應控制器從檢測到控制變化的過程都是比較緩慢的，所以會出現(xiàn)長期的變化容易被掩蓋，短期的干擾會產(chǎn)生混淆的問題?？刂七^程通常需要區(qū)分長期和短期的影響，這樣即使在控制工程中行為變化被檢測到，這并不能表明應該采用補償。

盡管在上述的一些難題，自適應運動控制器還可以優(yōu)化軌道，在通過學習從而達到其目的。只有控制器學會機器的響應過程，從而計算出機器人最終位置以及需要指令的序列。在完成這種人工學習的所需的數(shù)字模型 是非常復雜的。一旦過程模型研究出來，那么控制器就可以調(diào)整期控制算法，甚至可以充分預測未來的過程行為。