01 脊髓控制类脊髓控制的两种典型的应用是机械臂路径规划和无人机的飞行控制。这类问题属于传统自动控制理论，以数学和动力学建模为基础，发展了很多年，已经有了非常完备的理论和实践基础，也取得了很好的效果。虽然深度学习在**近很热，理论上也可以用于这类控制。但目前在这类基础控制领域，并没有应用。主要原因可能有：1）工业机器人高精度重复特定动作等，基于自动控制理论已经能从数学上很好的解决，且由于了解原理，属于白盒系统。既然有可靠的白盒方案，没必要换成黑盒的神经网络控制系统。2）工业机器人等应用领域，对控制算法稳定性要求很高。而作为黑盒方案的神经网络控制系统，数据上还无法证明其稳定性。神经网络控制器一旦发生问题，难以进行解释和改进。3）神经网络算法基于大量数据训练，而现有的运动控制中，比如飞控，拿到实际实验数据的成本高，大量数据的获取非常困难。02 小脑控制类小脑控制典型问题是类人型双足和多足机器人的平衡和运动协调控制问题。这方面一直是基于传统控制理论在进行研究，不过由于相比于机械臂或无人机，其运动的自由度高很多，难度很大。双足类人机器人给人大多数的印象还是运动迟缓、僵硬、站不稳。波士顿动力的A