不巧，我也是做純運動控制的。控制是為了實作動力學系統最終呈現出期望狀態的方法。控制的尷尬也在於它能否最佳化整個系統的特性要取決於很多因素，不是控制方法好就能最終效果好的。
1、感知與規劃等研究領域程式碼開源程度高，很多演算法包可能一個博士讀完也做不出來，現在開源了，可以踏在前人的肩膀上往前走。運動控制領域的研究基本不開源，你想要復現人家論文的研究內容需要花很多時間，你得不斷研究各種相關理論，看懂公式，再自己碼程式碼來復現。
2、感知與規劃由於有很多演算法包可供呼叫，變現快，做出來的效果又很容易讓人覺得高大上。運動控制要做到高大上的效果，需要機械結構、硬件系統，裝配工藝，運動規劃，動力學特性，控制方法等等來共同保證，而在大多數時候，是不具備這種條件的，控制效果出不來，會讓人覺得控制無用，畢竟能具備波士頓動力那種條件的公司寥寥無幾。
3、國外的機器人控制積累了很多年，經歷了各種工藝需求的洗禮，他們的「控制」已經是一個與機器人其他方面磨合地很好的一個系統了，想要去探究裏面的控制演算法比較困難；國內這塊剛剛起步，大家還是以市場為導向，且不少伺服驅動器效能優於，控制器這塊只需規劃即可，控制都交給伺服去做。
4、感知規劃屬於比較新的領域，可以允許試錯成本去讓各家公司找尋好的解決方案；運動控制比較成熟，市面上有很多成熟的方案，試錯壓力大。幸運地是，在一些人機互動場合，比如外骨骼機器人、手術機器人等，成熟度較低，相信運動控制會有越來越大的機會。
運動控制是系統裏非常重要非常基礎的一環，能把它做好，系統的門檻會越高，不用擔心谷歌哪天公開了源碼。
