人形機器人控制器通常由本體企業(yè)自主研發(fā)，控制器的優(yōu)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(chǎn)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d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(tǒng)的處理器構成，分別控制手、腿、關節(jié)、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(lián)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(yōu)化行為，隨時 間推移產(chǎn)生佳動作。

歐洲 ICUB

動作指定并非基于系統(tǒng)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(zhì)量的被動步態(tài)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(xiàn)和各類識別系統(tǒng)更加智能。 為了擴展其應用實現(xiàn)，廠商也公開發(fā)布了 SDK，開發(fā)者可個性化設定。

軟銀 Nao

使用網(wǎng)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(nèi)核，并支持廠商自行研制的專有中間件 （NAOqi）。第二個 CPU，位于機器人軀干內(nèi)。

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(shù)據(jù)引擎（Data Engine）形成訓練數(shù)據(jù)用以訓練 Optimus 的神經(jīng)網(wǎng)絡，使特斯拉人形機器人能夠做到損傷控制、感知周圍環(huán)境、自主 規(guī)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(xiàn)了基于實時操作系統(tǒng)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(tǒng)架構中走在前 列的。

隨著國內(nèi)企業(yè)加速布局，國內(nèi)產(chǎn)品已經(jīng)能夠滿足各種復雜運動控制需求，并且在精度、 穩(wěn)定性和可靠性等方面達到了較G的水平。但算法的迭代優(yōu)化、二次開發(fā)需要大量的經(jīng)驗積 累以及場景的驗證，導致國內(nèi)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(xù)的驗證過程中，國內(nèi)外控制器廠商處于同一起跑線上， 因此，國產(chǎn)控制器有望在人形機器人L域完成軟件算法的優(yōu)化與積累，補齊軟件短板。