processing和pattern

recognition的前期工作，很热的。这个主要是复杂的对象，比如我们这里有的一些项目，例如，卫星太阳能板几千块小镜面需要以最快速度找到阳光最强的方向，这几千个小块都能各自以一定自由度旋转。还有就是有些控制系统是用比较特殊传感器的，比如视觉的，要从看到景物的移动中，计算速度和深度(2D-3D)，自由度怎么建。这个就是正牌的control了，主要是作算法，就是相当于人的脑子。作为算法，具体问题具体分析，控制对象不同也不同。这些算法可以用到平常如工业机床，化工高炉，也可以用到机器人，生产机械手，还可以用到航空航天，导弹卫星。我的认识就是给机械灌入了灵魂和智慧。个人感觉分为3块：其实控制发展到现在，有模型的系统，那些控制算法已经很多了，属于经典控制的范畴。现在还能有进展的可能就是optimization和model-predictive还有hybrid了。个人感觉数学的东西特别多。如果投身如此，属于经典领域，重要的是你作project的能力了。

不过个人看到这里面的一些新动向，就是和经济学有关。作练习的时候经常用一些经济学的例子，做到最后发现居然是control的问题。其实抽象的看，在有模型的控制方法来看，模型就是一个式子，至于这个式子在实际系统中的意义，不是那么重要了。

个人感觉在model-basecontrol里面，多是针对linearmodel，对于nonlinear

model，方法不是特别多，还有一定的挖掘潜力。说道了nonlinearmodel就不能不提knowledgebase

control，说得具体点就是所谓的专家系统，模糊控制，神经元什么的，这是一条新路。这些一部分是算法：不管你模型是什么，把专业技术工人的知识拿过来作为机械自己的知识，完成相应的控制目标。一部分是建模：曾经做过的assignment是用神经网络建模的，每个神经元都是线性的，但是却比任何一个线性模型都要准确拟合非线性的行为。