El control predictivo (model predictive control, MPC) es un método de control que en cada instante «piensa por adelantado». Mediante un modelo matemático del robot predice cómo se comportará el sistema en las próximas fracciones de segundo para distintas elecciones de acción, y selecciona la secuencia que mejor cumple el objetivo sin violar ninguna restricción (límites de los motores, equilibrio, contacto con el suelo). Ejecuta solo el primer paso de esa secuencia y, en el instante siguiente, repite todo el cálculo con datos frescos de los sensores; a esta estrategia se la llama receding horizon, horizonte deslizante.
La fuerza del MPC reside precisamente en su capacidad de contar por adelantado con las restricciones y de optimizar. A diferencia de un regulador simple, que solo reacciona al error actual, el MPC planifica: puede, por ejemplo, inclinar al robot hacia delante ya ahora porque «ve» que en medio segundo necesitará acelerar. Esto es esencial en la marcha humanoide, porque el equilibrio se decide con antelación.
El MPC está estrechamente ligado al control de cuerpo completo —a menudo forman juntos un único sistema de control— y al criterio de estabilidad ZMP, que suele ser una de las restricciones de la optimización. La calidad del MPC depende por completo de la calidad del modelo interno; en este sentido, el MPC es la variante práctica y de ingeniería de la planificación mediante un modelo del mundo.
El MPC es una tecnología consolidada y bien comprendida, y constituye el núcleo de control de muchos humanoides que caminan de forma dinámica, desde plataformas de investigación como el TALOS y el Kangaroo hasta robots comerciales. Su precio es la carga computacional: la optimización debe ejecutarse cien veces por segundo, lo que impone altas exigencias al hardware de a bordo y a la simplificación del modelo para que el cálculo se complete a tiempo.