1樓：
我在國外看到的都是大家在埋頭做基礎科學，埋頭研發自己所在行的領域，靜得下心來去做自己該做的事（確實環境也給與了很大的支援），而我們國內絕大多數企業也好，希望效益越快越好，基礎科學建設怎麼可能短時間內出成果，人家老外辛辛苦苦幾十年上百年的技術積累怎麼可能讓你短時間內超越（就像人家富二代幾代人的努力憑什麼讓你乙個窮小子隨便奮鬥一下就超越），久而久之就變成了惡性迴圈，還說什麼控制理論已死，控制的核心就是數理研究，數理能死嗎？滑天下之大稽！
2樓：魚頭燉魚尾
黃巾軍起義的時候大喊「蒼天已死，黃天當立」，然後呢？
傳統控制確實江河日下，前有AI攔路，後有機械人圍剿，但絕對不會被這兩者取而代之。
大家都是灌水，誰都別看不起誰。你乙個玩神經網路的，他乙個搞ROS程式設計的，憑什麼看不起我構造李雅普諾夫函式的？有本事你別用國外的GPU，他別用國外的機械人啊！
鄙人有幸曾跟中控老大促膝長談，他說過，中國自己研發的工業控制系統連重啟這項簡單的技術都做不了。老實說，如果再年輕三歲，我一定跟他去寧波大幹一場。解決工控系統的技術問題，所帶來的民族自豪感和國力的提公升，絕對不是AI場景落地或者機械人學會跳舞可以比擬的。
期待下乙個華為在自控界誕生！
3樓：侯維
感覺並沒有死，只是東西太奇怪了，比如John Doyle現在搞的什麼diversity sweet spot看完之後只能覺得很有道理but wtf。
至於其他的，現在Nonlinear control開始發展起來了，Hybrid system什麼的也開始被研究很多了，control barrier function，network system之類的也都發展起來了。我覺得control已死說的可能是frequency domain那一套，那玩意畢竟只能用在linear system上，說白了也不是什麼太複雜的東西。但是doyle上回說可以用在找Lyapunov function上so who knows
4樓：
我只接觸過控制，學歷也不OK，所以對機器學習那些不懂，但兩者都只是達到目的手段，都只是達到目的的一環，算力，反饋精度等都會對整個系統控制好壞起作用，如果把其他環節剝開單獨對比兩種方式就是在耍流氓
5樓：guangyuwu1991
Control and system PhD 在讀。我自己發現的控制學科的問題主要在於（1）對於雜訊什麼的處理的不夠精細，因為過強的要求導致了應用相對受限；（2）如果假設達不到的情況下系統效能會有怎樣的惡化也沒有太多人研究（比如說給出乙個演算法的bound）。當然這個也是應用機器學習（不包括統計機器學習）存在的問題。
但你擋不住人家有用啊！比如我們做的引數辨識，做最小實現要假設雜訊是高斯的，那如果雜訊不是高斯的呢？給定乙個特定的雜訊概率密度分布，你能告訴我用那套方法在什麼意義下會有多大的偏差？
我其實很反感一些研究總是說啊我使用了乙個新的技術，他一定很棒。。。。。。你給我個證明在什麼意義下棒啊。。。。。。
其實很多時候我們不應該總是想著誒呀控制學科沒有前途，還不如把數學弄弄好。我覺得控制只是一類問題，並不能算乙個學科（我現在就在做moment problem，也能用到控制裡）。但是我們現在控制學科培養孩子們把工程問題抽象成數學問題的能力實在太欠缺。
我建議兄弟你在懷疑學科的時候多學點數學，比如概率、統計、隨機過程這種「顯學」。或者嘗試著去把工程問題抽象成數學問題，試著證明一下。如果要轉行調參就果斷轉，要做機器學習（統計機器學習）比控制還理論，也需要上面那些「顯學」支撐。
6樓：董世謙
而機械人控制卻時不時令人振奮和抱有期待。儘管多家研究機構的四足機械人的效能有所提公升，但雙足仿人機械人的步態協調控制依然未能令人滿意。機械人依然無法給人端茶倒水。
一般業內認為「步態協調」、「端茶倒水」是規劃問題，而不是控制問題。規劃也不難，無非是對目標函式求最優解，就是A*和梯度下降那一套。當然如果維度非常高，搜尋方法比較慢，就用DRL學乙個啟發策略，也不是百分百可靠的。
另外你不要陷到「拿著錘子找釘子」的誤區裡，演算法存在的意義是什麼？應用啊！就說端茶倒水，我就喜歡萌妹子服務員給我倒！
你讓乙個億開發的智慧型機械人來倒？一邊去，還我美女服務員！(ω)
再說四足、雙足機械人真的就好嗎？履帶+大行程主動懸掛，速度、能耗和穩定性都要比四足好吧？我看的案例裡，特種機械人的履帶底盤攀爬能力吊的一比，上樓梯如履平地。
而且是「被動越障」，相比四足這種需要看到障礙物再邁腿的「主動越障」，你知道省了多少感測器和算力麼！而且大狗踩到香蕉皮/冰面會滑倒，履帶會麼？
雙足就更別提了。人這麼大個還跑不過四足的狗，還為了提高能效發明了自行車。機械人界為啥要開進化的倒車？
所以，沒有應用價值，甚至是把簡單問題複雜化的技術，談何令人期待呢？
那你會問，機械人最缺的是什麼？沒錯，認知能力！就是各位答主們酸的「深度學習」「SLAM」等。雖然現在都是弱AI，但這些技術真的比控制走的更遠。
另外你要是成立乙個公司，養一堆給人端茶倒水的美女，肯定比搞機械人還賺錢。不說了，社群送溫暖我去開下門
7樓：風過琴弦
做個小科普，「控制理論」是特指，和我們日常說的控制不是一碼事。機械人控制需要用到很多理論，「控制理論」是其中一種。目前火熱的神經網路是另外一種，兩個理論要解決的問題完全不同。
控制理論從理論本身來說已經比較完善了，它有明確的用途，就這些用途來說，基本上所有問題都有答案了，在學術上說，有時候會感覺沒什麼可研究的了，所以有人說已死。但是其它理論不是這樣，比如神經網路就剛剛取得突破，所以才這麼火。
簡單介紹下控制理論。
比如你要在牆上釘個釘子，要和另外乙個已經釘好的釘子保持水平。一般都有這個經驗，釘釘子的人看不准高度，最好是我在兩三公尺遠的地方幫你看著，告訴你「再高點。。。再高。。。
過了，再低一點點點。。。哎呀又低了，再往上一絲絲絲絲兒」
控制理論就是做這個的，用於設計、優化反饋控制系統的效能。注意一定是反饋系統，加入反饋會引入很多問題，所以需要專門的一套理論來解決。主要有這幾個主要目標：
首先是穩定。就是最後你終於把釘子釘到了合適位置。而不是陷入高了-低了-又高了-又低了。。。
這樣的無限迴圈。人類剛設計出工業用的反饋系統的時候，想當然是覺得它會穩定的。然而並不是。
經過很多探索，最終找出一些簡單的方法來判斷包括穩定性的各種問題。
第二是準。很多因素共同決定了最終這兩個釘子的高度到底會偏差多少。另外，固定的釘子是一碼事，如果目標是運動的，比如簡單的勻速運動，原本沒有誤差的系統會變成有乙個固定誤差。
第三是響應速度，就是最好我只說一次，你移動一次，就恰好搞定。實際是不可能的，那就最好兩次。總之，次數越少越好。
不用控制理論的話，比如實際需要1公尺高度，他可能0.8，0.9，0.
93，0.95，0.955，0.
96，0.962。。。好久才能達到目標。
第四稱為超調量，目標1公尺，你0.8，我說這也太低了，你直接放到1.8的地方去了，這個超調量就太大了，很多系統不能接受這樣的結果。
比如電源，目標是5V，結果上電的時候會衝到7、8V，雖然很快會回到5V，但這個短暫的過沖會損壞負載電路，是不能接受的。
以上是古典控制理論，用於單輸入單輸出。現代控制理論用於多輸入多輸出。
8樓：geds
「control theory 已死」 聽起來很中二啊，如果說「在解決某些更複雜的問題上遇到瓶頸」是不是更好一點。
既然遇到瓶頸，那就尋求突破方法嘛，比如像這位大佬這樣:
9樓：李sir
為什麼很多任務程學科都可以說這話，主要原因是工業界已經領先學術界太多了，控制也好，通訊，計算機也好。
工業界的關注重點不再是理論上的突破，而是過去幾十年爆發式的需求增長與工業實現能力差距的矛盾。
這些學科有一些特點，理論上的坑基本都被填的差不多了。而理論上的進步空間已經不大，而工程上還有一大堆問題需要解決。比如公釐波接收機理論上沒啥研究的，工程上想要的是如何降低成本，如果更小型化。
這些難度比想象中的要大許多。
10樓：
control theory 已死，那可能是理論指導實踐已經完全夠用了。PID，模糊控制，LQR，MPC，加上濾波技術到如今多少年了，最近20年，確實鮮有顛覆性的控制理論去指導實踐。所謂的現代控制，都過去這麼多年了，已經不現代了。
從這一方面而言，確實（個人觀點，不喜勿噴）。
But，控制應該算是乙個系統性的學科。脫離了物件談控制，就是耍流氓。控制，控制，物件是根本，新的控制物件，新的應用場景，這些都會給control theory 注入新的血液。
死沒死，看應用場景，這個對其他學科也適用吧。
11樓：小左
控制理論和實際的控制方式有一定的區別，而我的工作就是將優秀的合適的理論應用於實際。控制理論死沒死我不知道，但我知道我還有更多理論沒有應用於實際。
12樓：Chang
同意高票匿名的回答，只能說控制裡的現有數學工具在解決越來越複雜的系統的控制問題時遇到了瓶頸、有侷限性，但是很多概念，譬如穩定性、魯棒性、chance constraint等概念依然葆有光輝。
機械人裡面資料驅動(data driven)和基於模型(model based)之爭短期內時data driven聲勢更大，因為在處理高位複雜系統時候演示的效果就是很好，能用比較自動化的方式解決model based控制難以解決的問題。但是通過學習得到的控制效果缺乏泛化性(generalizability)和魯棒性。個人認為，如果誰能給出個比較好的理論框架來解決，那麼應該會給控制續五到十年的命。
所以控制裡面過時的、或者說遇到瓶頸的、是現有方法，而那些對系統分析的思想、系統特性的分析、以及追求的控制器的效能指標，在分析實際系統時候仍然會很有用，也需要新一代控制工作者去尋求新的方法吧。
13樓：天色
其實我乙隻沒搞懂。
人類學走路也得學幾個月。
為啥不用機器學習的方式，對每個關節的力矩學習，學到能走路。
最簡單的例子，有人推你一下，想要不倒，大腦會瞬間做出反應，腿往後撤，手臂打轉維持重心穩定，腿的剛度變大……等等。
為啥不用電腦模擬一堆機械人，用進化演算法不斷演練。摔倒就淘汰，前進得更好就保留。限制摔倒的條件，只要手碰地就算摔倒。
訓練學習上千萬次，我就不信還需要什麼控制演算法？
為什麼要重男輕女，為什麼？
Stunk 簡單說說國內重男輕女的假象 嫁出去的女兒潑出去的水 這是一句俗話，深入人心 現代社會，物質生產跟上來了，女兒們開始反哺原生家庭了，於是也出現了農村地區殺男嬰的故事 先說說古代為何 重男輕女 因為女兒不顧原生家庭 在物質匱乏的古代，生存本來就是一件難事，讓女人來顧家是不可能的 怎麼得出這個...
為什麼那麼焦慮？為什麼那麼勢利？為什麼那麼急於成功？
個人感覺最重要的是人在社會中的安全感。其實真不是每個人都那麼地渴望成功，而且成功的定義本來就是多種多樣的。但在中國，如果你沒有達到廣泛定義上的 成功 你可能會有以下的結果 你可能在城市中會隨時沒有安身之所，你可能會遭受不公但投訴無門，你的父母至親可能患病也得不到最基本救助，你的孩子可能得不到平等的教...
我為什麼是我？為什麼？
主角戲 馬克思說過，人是所有社會關係的總和，所以首先，你作為人來說，你只是你周圍所有關係的總和，你的偏執，你的瘋狂，你的愛情，你的孝順，你的所有人生觀，價值觀，世界觀，宇宙觀，形成了你。但是你錯誤的把這些當成了你，其實這些都是人的錯誤認識，心 的本體，也就是能生萬物，能生萬法的這個東西沒有被發現之前...