Die modellprädiktive Regelung (model predictive control, MPC) ist ein Regelungsverfahren, das in jedem Moment „vorausdenkt”. Mithilfe eines mathematischen Modells des Roboters prädiziert sie, wie sich das System in den nächsten Sekundenbruchteilen für verschiedene Wahlmöglichkeiten der Aktion verhalten wird, und wählt jene Sequenz, die das Ziel am besten erfüllt und dabei keine Beschränkung verletzt (Motorgrenzen, Gleichgewicht, Bodenkontakt). Sie führt nur den ersten Schritt dieser Sequenz aus und wiederholt im nächsten Moment die gesamte Berechnung mit frischen Sensordaten — diese Strategie nennt man Receding Horizon, gleitenden Horizont.
Die Stärke von MPC liegt gerade in der Fähigkeit, Beschränkungen vorausschauend einzukalkulieren und zu optimieren. Im Gegensatz zu einem einfachen Regler, der nur auf den aktuellen Fehler reagiert, plant MPC: Sie kann den Roboter beispielsweise schon jetzt nach vorne neigen, weil sie „sieht”, dass er in einer halben Sekunde beschleunigen muss. Das ist beim humanoiden Gehen entscheidend, denn über das Gleichgewicht wird mit Vorlauf entschieden.
MPC ist eng mit der Ganzkörperregelung verknüpft — oft bilden beide gemeinsam ein einziges Regelungssystem — und mit dem Stabilitätskriterium ZMP, das häufig eine der Beschränkungen in der Optimierung ist. Die Qualität von MPC steht und fällt mit der Qualität des inneren Modells; in diesem Sinne ist MPC die praktische ingenieurtechnische Variante der Planung mithilfe eines Weltmodells.
MPC ist eine bewährte, gut verstandene Technologie und bildet den Regelungskern vieler dynamisch gehender Humanoide — von Forschungsplattformen wie TALOS und Kangaroo bis hin zu kommerziellen Robotern. Ihr Preis ist der Rechenaufwand: Die Optimierung muss hundertmal pro Sekunde ablaufen, was hohe Anforderungen an die Bordhardware und an die Vereinfachung des Modells stellt, damit die Berechnung rechtzeitig fertig wird.