Perkembangan robot edukasi mendorong kebutuhan akan sistem kendali yang lebih intuitif sehingga dapat digunakan oleh pengguna non-teknis, khususnya anak-anak. Namun, penggunaan antarmuka kendali yang bersifat teknis serta variasi kalimat dalam bahasa alami menjadi tantangan dalam menerjemahkan perintah pengguna menjadi instruksi gerak robot. Selain itu, pengaturan kecepatan secara konvensional dapat menyebabkan pergerakan robot kurang halus dan berpotensi menimbulkan wheel drift. Proyek akhir ini mengimplementasikan sistem Text-to-Command berbasis Rule-Based Natural Language Processing (NLP) dan Logika Fuzzy Mamdani pada Robot Astroid. Sistem menerima masukan berupa teks hasil konversi suara, kemudian mengidentifikasi aksi, arah gerak, jarak tempuh, sudut belok, dan tingkat kecepatan berdasarkan aturan linguistik yang telah ditentukan. Hasil identifikasi digunakan sebagai parameter pergerakan robot, sedangkan Logika Fuzzy Mamdani digunakan untuk menghasilkan nilai Pulse Width Modulation (PWM) secara adaptif berdasarkan error jarak dan kecepatan aktual yang diperoleh dari encoder. Sistem diimplementasikan menggunakan mikrokontroler ESP32-S3 dengan integrasi encoder Hall Effect dan sensor MPU6050. Pengujian dilakukan terhadap kemampuan NLP dalam mengenali variasi perintah, akurasi pembacaan jarak menggunakan encoder, pengaruh Fuzzy Mamdani terhadap akurasi jarak, serta akurasi sudut menggunakan MPU6050. Hasil pengujian NLP menunjukkan seluruh perintah, mulai dari variasi sederhana hingga perintah kompleks, berhasil dikenali dan dieksekusi. Pengujian jarak menunjukkan bahwa Fuzzy Mamdani menghasilkan error lebih rendah dibandingkan sistem non-fuzzy, dengan error fuzzy sebesar 0,00–2,04 persen, sedangkan non-fuzzy sebesar 2,17–42,86 persen. Pengujian MPU6050 menghasilkan rata-rata error sudut sebesar 1,95 persen. Hasil tersebut menunjukkan bahwa kombinasi Rule-Based NLP dan Fuzzy Mamdani mampu meningkatkan kemampuan robot dalam memahami perintah serta menghasilkan pergerakan yang lebih adaptif dan akurat.