我認為物理建模是為了能更充分的瞭解機器人運動過程中所產生的各種狀態，以便對將來可能的狀態進行預判；而用各類智慧演算法學習訓練得到的模型可能不一定有那麼嚴格精確，或者說是對過往經驗的總結後對將來可能狀態的預判。一個算是理論分析的產物，一個算是經驗公式的產物。那麼對比而言，物理建模是為了解決“知其所以然”的問題，而學習訓練則是解決“知其然”的問題。由於機器人運動是個複雜的系統工程，能全面的“知其然”可能都做不到，更不用說“知其所以然”了。這也是理論分析往往不能得出解析式的原因，中間的相互關係過於複雜難以顯性表達。學習訓練可以得出解析式是因為在很多地方進行了近似處理，從而簡化了問題。但是物理建模還是有必要性的，可以在一定程度上指導糾正學習的方向，或者說改善多次近似導致的資訊丟失錯位情況？好吧，上面這些都是我胡扯的，物理建模的最大用處在於，體現你是在以一種科學嚴謹的態度進行科學研究，而非工程類的經驗式調參研究。寫文章時如果不夾雜一些物理建模的分析研究在裡面，而是純粹的經驗學習演算法訓練資料，那麼必然會有人問：為什麼選用這種演算法進行學習而不用另一種呢？選擇理由是什麼？兩種或幾種學習演算法的結果有什麼不同？嗯，這樣就有很大的可能性將一個研究機器人運動的你逼成一個各類經驗學習演算法的專家了。