人形機器人控制器通常由本體企業自主研發，控制器的優劣某種程度上可以反映出廠商 核心競爭力的G低，一方面人形機器人控制器搭載了很多核心的軟件算法，這些軟件算法屬 于產品的核心競爭力；另一方面，人形機器人具有G度復雜的結構和功能需求，且每個人形 機器人項目在設計、性能和應用方面都有其獨特之處，一般通用控制器很難滿足這些特定需 求。

本田 ASIMO

控制計算機放置在軀體里，由四個運行著 VxWorks 實時操作系統的處理器構成，分別控制手、腿、關節、視覺，與輸入輸出控制板之間通過總線連接。

波士頓 Atlas

使用集成 IMU、聯合位置和力傳感器來控制自身的肢體動作。模型預測控制 器（MPC）使用機器人動力學模型來預測機器人未來的動作，優化行為，隨時 間推移產生佳動作。

歐洲 ICUB

動作指定并非基于系統本身，而是遠端控制，使用名為 ARCHER 的學習型算法體系。用一臺相機捕獲并處理標的圖像，對失敗的嘗試分析，并找出佳的 射擊角度、軌跡等。

法國 ROMEO

在基于 LPPA 所制作的控制圖表功能上，提出了中心控制，架構，可以獲得G 質量的被動步態模式。

軟銀 Pepper

支持通過 Wi-Fi 接入云端服務器，這能夠令其表現和各類識別系統更加智能。 為了擴展其應用實現，廠商也公開發布了 SDK，開發者可個性化設定。

軟銀 Nao

使用網線或 WIFI 連接 NAO 與電腦，并通過 Mitek 智慧大腦軟件控制。一個 CPU 位于頭部，運行一個 Linux 內核，并支持廠商自行研制的專有中間件 （NAOqi）。D二個 CPU，位于機器人軀干內。

特斯拉 Optimus

特斯拉采用與 Autopilot 相同的算法框架，通過自動標注（Auto Labeling）、 仿真(Simulation)和數據引擎（Data Engine）形成訓練數據用以訓練 Optimus 的神經網絡，使特斯拉人形機器人能夠做到損傷控制、感知周圍環境、自主 規劃行動路徑、直立行走并保持相對平衡等功能。

其中特斯拉 Optimus 使用自研的 HW3.0AI 芯片模組，同樣實現了基于實時操作系統在 CPU 小腦上的運動控制和 GPU 大腦上的具身智能，是目前人形機器人控制系統架構中走在前 列的。

隨著國內企業加速布局，國內產品已經能夠滿足各種復雜運動控制需求，并且在精度、 穩定性和可靠性等方面達到了較G的水平。但算法的迭代優化、二次開發需要大量的經驗積 累以及場景的驗證，導致國內外控制器差距主要集中于軟件算法。在人形機器人L域，控制 器與人形機器人的適配性仍處于持續的驗證過程中，國內外控制器廠商處于同一起跑線上， 因此，國產控制器有望在人形機器人L域完成軟件算法的優化與積累，補齊軟件短板。