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整自己參數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，所以會出現長期的變化容易被掩蓋，短期的干擾會產生混淆的問題。控制過程通常需要區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整期控制算法，甚至可以充分預測未來的過程行為。