阶层式控制系统（hierarchical control system）也称为分层控制系统，是一种以分层树状方式来规划其设备及控制软件的控制系统。若树中的各节点是用计算机网络来建立连结，则这个阶层控制系统也就是网络化控制系统。
人工形成，有复杂行为的组织常常会用分阶层的方式来组织。例如公司组织的特点在组织图（英语：organizational chart）中即可看出，其中有较高层的主管、较低层的下属，以及一些各部门之间组织沟通的线。阶层式控制系统也类似公司的组织，由不同模组来负责不同的决策。
阶层式中的每一个元件都是阶层树中的链接节点。命令、任务及目标都是由较高的节点流向较低的节点，而感测及命令结果会由较低的节点流向较高的节点。节点也会和邻近同层的节点交换资讯。阶层式控制系统有二个特点和其分层有关。
不但人工系统有阶层，也有人提出用阶层式的方式来组织动物的控制系统。在知觉控制理论中，假定生物体的行为是控制其知觉的一种手段。因此生物体的控制系统会建议依其知觉建构的方式，以阶层式的方式来组织。
阶层式控制系统若应用在工厂的生产控制程序中，会如图所示，其中会有不同机能的层次，使用工业控制系统的电脑化控制来实现。
图中有不同的层次：
在机器人范型（英语：robotic paradigms）中的阶层式范型是指机器人运作在一个top-down的架构中，强调规划，特别是运动规划。国家标准技术研究所自1980年代起就开始以电脑辅助制程工程（英语：Computer-aided production engineering）为其研究重点之一。其自动制造研究设施就开发了五层的生产控制模型。国防高等研究计划署在1990年代初始赞助有关网络化智慧控制系统应用在军事指挥与控制系统的应用。NIST以其较早期的研究为基础，开发了NIST的实时控制系统（RCS）及实时控制系统软件（英语：Real-time Control System Software），这些是通用式的阶层式控制系统，曾用来建构单元式制造（英语：manufacturing cell製造單元）、机器人起重机及车辆自动驾驶（英语：automated vehicle）。
国防高等研究计划署在2007年11月提出了DARPA大挑战（英语：Urban Challenge）。获胜者Tartan Racing所建构的阶层式控制系统，有分层的任务规划（英语：Automated planning and scheduling）、运动规划、行为产生、感知、世界建模以及机械电子学。
包容体系结构（英语：Subsumption architecture）（Subsumption architecture）是人工智能开发的方法论，和行为模式导向的机器人学（英语：behavior based robotics）有密切关系。此架构是将复杂的智能行为分解成许多简单行为模组的方式，之后会将这些模组分层统整。每一层实现软件代理（英语：software agent）（也就是整个系统）的一个特别目的，越高层次就越抽象。每一层的目的会包容下方层次目的目的，例如觅食层移动的决定会考虑到最下方避开障碍物层的决定。行为不一定要由较高的层来计划，而可能是配合感测器输入而触发，因此可能是在特定情形下才合适的行为。
以往层用强化学习来得到阶层式控制系统的行为，其中每一个节点都可以学习，透过经验来提升其行为。
James Albus（英语：James Albus）在NIST时，曾发展一个有关智慧系统设计的理论，称为参考模型架构（Reference Model Architecture、RMA），是受到实时控制系统所引发而创建的阶层式控制系统。Albus定义每个节点会包括以下的成员。
参考模型架构的最低层可以用包容体系结构实现，其世界模型直接映射受控程序或是真实世界，避免因为抽象化而需要作的数学计算，因此有时间限制的反应式计划（英语：reactive planning）可以用有限状态机来实现，不过参考模型架构的较高层可能会有复杂数学表示的的世界模型及行为，会用自动计划及排程（英语：automated planning and scheduling）来实现。当有些行为不是由目前的感测所触发，而是可以由感测所预知或是预测，就会用计划的方式处理，特别是有关那些结点行动的结果有关的行为。
