理工酷

1.对自组织的无人机群或一组自动驾驶汽车的分散控制。这涉及控制，优化，博弈论等主题。

城市交通的未来在于集中/分散的优化和控制。甚至在全自动驾驶汽车出现之前，人们都会从其智能的网络导航助手中获得提示。如果每4辆汽车中的每一辆都有额外的传感器和控制装置以改善整体交通状况就足够了。

2.智能、自适应的、易于理解和调试的控制算法。这种算法要能轻松了解预期的性能和稳定性裕度。

请注意，对我们而言，最坏的情况通常是最重要的。 当汽车超顺畅地行驶时，很少有人会注意到。当它仅仅崩溃一次时，人们就会抱怨。

在许多情况下，自动驾驶汽车中的深度神经网络都可以支撑其完美驾驶，但这还不够。我们需要保证在无法预料的情况下具有安全（尽管性能下降）的性能。

在许多领域中，对复杂的自适应控制算法的反对原因是，当系统重新投入使用时，很难理解为什么它已经适应/学习了它的方式以及它正在运行的是否是正常的。对于低级的服务工程师来说，自由度实在太大了。

我们需要一个可以返回并分享经验的控制器。甚至“为年轻的控制器举办研讨会”，介绍如何更好地控制系统。

一点浅见，现代控制理论基础是建立在状态空间方程，而恰恰实际对象是非线性，多参变量，强耦合，导致状态空间方程难以求得，造成理论与工程实际脱节。对于非线性的线性化近似处理太理想化。