機器人的演算法分為感知演算法和控制演算法，更進一步細分為環境感知演算法 ，路徑規劃和行為決策演算法（ai)，運動控制演算法，後兩個也可以統稱為控制演算法。
環境感知演算法獲取環境各種資料(機器人視覺和影象識別），定位機器人的方位（slam)，對於固定工位的機器人來說，環境感知演算法往往不是必須的,但是，對於另一類機器人來說，比如掃地機器人，基本就是一個slam演算法，行為決策和運動控制演算法及其簡單可以忽略。
機器人自身的運動控制演算法是機器人制造廠家的研發重點，主要就是提高機器人行動的精度，穩定性和速度，這個一半靠pid伺服電機，一半靠控制演算法，同樣效能的pid伺服電機，好的控制演算法能提高精度10倍以上，硬體反而不是難度所在，因為全世界的機器人廠家都是買同樣的晶片和硬體電路；
總體來說，環境感知演算法和運動控制演算法是比較成熟的，也是整個機器人研究領域投入人力最多的，不斷對現有的演算法進行改進最佳化，一是因為研究已經獲得突破，跟進的團隊就多，二是因為90%的機器人應用領域，只需要用到這兩種演算法甚至只用到其中一種，行為決策演算法非常簡單，就是重複一個或幾個簡單動作；
行為決策演算法或行為控制策略則是機器人應用領域的未突破的研發重點（不用的應用領域演算法也不同，當然，也可以完全由人來手動控制,我們常說的人工智慧，狹義點就是指這個模組)，這裡不是指那些簡單的行為演算法，比如重複動作，機器人按固定動作跳舞，無障礙或固定障礙路線行走等，這些主要是硬編碼實現，不涉及到ai,複雜的行為決策演算法主要有fsm,層次分析法，決策樹，模糊邏輯，遺傳演算法ga,人工神經網路ann，以及針對具體問題的特定演算法，比如路徑規劃等（ros裡面提供了一個move-base模組，實現了很多路徑規劃演算法），一般都用c/c++混合python來程式設計行為決策演算法裡，有解決的不錯的，比如導航路徑規劃演算法，也有難度極大的，比如避障演算法，幾乎所有的無人駕駛和自動駕駛研發團隊都在苦苦思索避障演算法，其實，避障演算法的應用是及其廣泛的，很多領域比如無人機也要用到，避障演算法是整個無人駕駛和自動駕駛行業的攔路虎，因為它決定了最後的1%的安全性，而現有的vfh避障演算法和dwa避障演算法只能算非常原始的起步，完全不能滿足實際需要。
機器人的演算法分為感知演算法和控制演算法，更進一步細分為環境感知演算法 ，路徑規劃和行為決策演算法（ai)，運動控制演算法，後兩個也可以統稱為控制演算法。
環境感知演算法獲取環境各種資料(機器人視覺和影象識別），定位機器人的方位（slam)，對於固定工位的機器人來說，環境感知演算法往往不是必須的,但是，對於另一類機器人來說，比如掃地機器人，基本就是一個slam演算法，行為決策和運動控制演算法及其簡單可以忽略。
機器人自身的運動控制演算法是機器人制造廠家的研發重點，主要就是提高機器人行動的精度，穩定性和速度，這個一半靠pid伺服電機，一半靠控制演算法，同樣效能的pid伺服電機，好的控制演算法能提高精度10倍以上，硬體反而不是難度所在，因為全世界的機器人廠家都是買同樣的晶片和硬體電路；
總體來說，環境感知演算法和運動控制演算法是比較成熟的，也是整個機器人研究領域投入人力最多的，不斷對現有的演算法進行改進最佳化，一是因為研究已經獲得突破，跟進的團隊就多，二是因為90%的機器人應用領域，只需要用到這兩種演算法甚至只用到其中一種，行為決策演算法非常簡單，就是重複一個或幾個簡單動作；
行為決策演算法或行為控制策略則是機器人應用領域的未突破的研發重點（不用的應用領域演算法也不同，當然，也可以完全由人來手動控制,我們常說的人工智慧，狹義點就是指這個模組)，這裡不是指那些簡單的行為演算法，比如重複動作，機器人按固定動作跳舞，無障礙或固定障礙路線行走等，這些主要是硬編碼實現，不涉及到ai,複雜的行為決策演算法主要有fsm,層次分析法，決策樹，模糊邏輯，遺傳演算法ga,人工神經網路ann，以及針對具體問題的特定演算法，比如路徑規劃等（ros裡面提供了一個move-base模組，實現了很多路徑規劃演算法），一般都用c/c++混合python來程式設計行為決策演算法裡，有解決的不錯的，比如導航路徑規劃演算法，也有難度極大的，比如避障演算法，幾乎所有的無人駕駛和自動駕駛研發團隊都在苦苦思索避障演算法，其實，避障演算法的應用是及其廣泛的，很多領域比如無人機也要用到，避障演算法是整個無人駕駛和自動駕駛行業的攔路虎，因為它決定了最後的1%的安全性，而現有的vfh避障演算法和dwa避障演算法只能算非常原始的起步，完全不能滿足實際需要。