未來，每一個反饋控制器是自適應的，當測量值和設定存在差別的時候，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整自己參數(shù)或者以其它方式改變算法，以適應控制過程中的行為變化。

例如，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，可能調整它的增益。這種方式合適于有嚴格要求的控制過程，如機器人的可變負載的控制過程。

如果機器人搬運一個特別重的負荷，運動速度將會減緩。自適應控制器會分析測量結果，給機器人增加增益。而相反，如果負載突然減少了，運動應得激進，則可以給它減增益。

無論哪種方式，控制器必須能夠測量出過程變化，以確定該采取的哪種補嘗。如果有條件的話，還可以直接衡量負載從A點到B點需要多長時間或測量多遠路徑。

但不幸的是，自適應控制器從檢測到控制變化的過程都是很緩慢的，因此會出現(xiàn)長期的變化容易被掩蓋，短期的干擾會產生混淆的問題?？刂七^程通常要區(qū)分長期和短期的影響，即使在控制工程中行為變化被檢測到，它并不能表明應該采用補嘗。

盡管存在上述的這些挑戰(zhàn)，自適應運動控制器還可以優(yōu)化軌跡，通過學習達到其目的。只要控制器學會機器人運動響應過程，計算出機器人最終的位置以及所需要的指令序列。完成這種人工學習所需的數(shù)學模型是非常復雜的，一旦過程模型研究出來，控制器可以調整其控制算法，甚至可以充分預測未來的過程行為。