La commande prédictive (model predictive control, MPC) est une méthode de commande qui, à chaque instant, « réfléchit à l’avance ». À l’aide d’un modèle mathématique du robot, elle prédit comment le système se comportera dans les prochaines fractions de seconde pour différents choix d’action, et sélectionne la séquence qui remplit le mieux l’objectif sans violer aucune contrainte (limites des moteurs, équilibre, contact avec le sol). Elle n’exécute que le premier pas de cette séquence, puis, à l’instant suivant, recommence tout le calcul avec des données fraîches issues des capteurs — cette stratégie est appelée receding horizon, l’horizon glissant.
La force de la MPC réside précisément dans sa capacité à anticiper les contraintes et à optimiser. Contrairement à un simple régulateur qui ne fait que réagir à l’erreur courante, la MPC planifie : elle peut par exemple incliner le robot vers l’avant dès maintenant, parce qu’elle « voit » que dans une demi-seconde il faudra accélérer. C’est essentiel pour la marche humanoïde, car l’équilibre se décide avec anticipation.
La MPC est étroitement liée au contrôle du corps complet — souvent elles forment ensemble un même système de commande — et au critère de stabilité ZMP, qui constitue généralement l’une des contraintes de l’optimisation. La qualité de la MPC dépend entièrement de la qualité du modèle interne ; en ce sens, la MPC est la variante d’ingénierie pratique de la planification au moyen d’un modèle du monde.
La MPC est une technologie éprouvée, bien comprise, et constitue le cœur de commande de nombreux humanoïdes à marche dynamique — des plateformes de recherche comme TALOS et Kangaroo aux robots commerciaux. Sa contrepartie est l’exigence en calcul : l’optimisation doit s’effectuer une centaine de fois par seconde, ce qui impose de fortes exigences au matériel embarqué et à la simplification du modèle afin que le calcul aboutisse à temps.