工業機器人的算法分爲感知算法和控制算法，更進一步細分爲環境感知算法 ，路徑規劃和行爲決策算法（ai)，運動控制算法，後兩個也可以統稱爲控制算法
環境感知算法獲取環境各種數據(機器人視覺和圖像識別），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算法，行爲決策和運動控制算法及其簡單可以忽略
機器人自身的運動控制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，一半靠控制算法，同樣性能的pid伺服電機，好的控制算法能提高精度10倍以上，硬件反而不是難度所在，因爲全世界的機器人廠家都是買同樣的芯片和硬件電路
總體來說，環境感知算法和運動控制算法是比較成熟的，也是整個機器人研究領域投入人力最多的，不斷對現有的算法進行改進優化，一是因爲研究已經獲得突破，跟進的團隊就多，二是因爲90%的機器人應用領域，只需要用到這兩種算法甚至只用到其中一種，行爲決策算法非常簡單，就是重複一個或幾個簡單動作
行爲決策算法或行爲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,我們常說的人工智能，狹義點就是指這個模塊)，這裏不是指那些簡單的行爲算法，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,複雜的行爲決策算法主要有fsm,層次分析法，決策樹，模糊邏輯，遺傳算法ga,人工神經網絡ann，以及針對具體問題的特定算法，比如路徑規劃等（ros裏面提供了一個move-base模塊，實現了很多路徑規劃算法），一般都用c/c++混合python來編程
行爲決策算法裏，有解決的不錯的，比如導航路徑規劃算法，也有難度極大的，比如避障算法，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算法，其實，避障算法的應用是及其廣泛的，很多領域比如無人機也要用到，避障算法是整個無人駕駛和自動駕駛行業的攔路虎，因爲它決定了最後的1%的安全性，而現有的vfh避障算法和dwa避障算法只能算非常原始的起步，完全不能滿足實際需要