通过分析各种研究工作和关键技术，包括本体结构、控制和决策、感知和交互，全面概述了人形机器人研究的现状。此外还确定了该领域新出现的挑战，强调了深入了解生物运动机制、改进结构设计、增强材料应用、先进驱动和控制方法以及高效能源利用的必要性。仿生学、脑启发智能、力学和控制的整合被强调为先进人形机器人系统发展的一个有前景的方向。
1.外部仿人化方向:这一方向旨在复制人类的外观和功能:
。通过吸收人类行为的见解，机器人获得了以类似人类的方式执行任务的能力。
·利用复杂的传感器和高级控制程序来实现这一目标。
。代表性成果包括本田的ASIMO机器人、北京理工大学的BHR机器人、意大利技术研究所的iCub机器人和波士顿动力的Atlas机器人。
这些机器人整合了人工智能算法，用于初始自学习和适应性。
研究者通过控制器设计来创造具有人类般灵巧性的人形机器人，尽管这仍然是一个挑战。
提出了各种数学算法来控制具有高度冗余执行器的人形机器人，如:零力矩点(ZMP)算法，捕获点(Capture Point)算法，中心模式生成器 (Central Pattem Generator)算法，用于实现稳定的双足运动，无模型强化学习算法，基于示范的模仿学习算法，用于多样化操作。
这些方法虽然仍处于研究早期阶段，但在扩展人形机器人的应用范围方面显示出潜力。
2.内部仿生方向:这一方向致力于在内部模拟人类核心机制，产生具有人类内部特征的智能机器人:
·模拟人类特征，如视觉认知、决策制定、运动控制和肌肉骨骼系统。
。旨在与人类伙伴建立共情和深度合作。
全球研究团队，包括美国、欧盟、日本、韩国、加拿大、澳大利亚和中国，在人形机制、类脑算法、神经形态芯片和肌肉骨骼系统方
面取得了显善进展。
这两种方向反映了不同的研究视角，并以不同方式塑造了该领域:
。外部仿人化方向更注重实现可见的、功能性的相似性，使机器人能够在人类环境中有效运作和交互。
。内部仿生方向则更深入地探索人类内部机制，试图从根本上复制人类的认知和行为式。
这两种方法并不互斥，而是互补的。许多研究项目结合了这两种方法的元素，以创造既在外观上类似人类，又在内部机制上模仿人类的机器人。
总的来说，这些研究方向都皆在创造更加先进、适应性更强、更能与人类自然互动的人形机器人。随着技术的进步，这两种方法可能会越来越融合，产生更加复杂和类人的机器人系统。