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^程通常要區分長期和短期的影響，既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，自適應運動控制器還可以優化軌跡，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。