برای کنترل پنجه ربات در ابتدا بایستی حلّ سینماتیکی ربات صورت پذیرد. از اینرو حلّ کامل سینماتیک مستقیم و معکوس نیاز است. از طرف دیگر برخی ربات های موازی دارای حلّ فرم بسته ای برای سینماتیک مستقیم نیستند. بنابراین روش پیشنهاد شده در اینجا بمنظور حلّ سینماتیک مستقیم که توسط شبکه عصبی ارائه خواهد شد، این محدودیت را از بین خواهد برد. از طرف دیگر روش های عددی مانند نیوتن رافسون و حلّ چندجمله ای وقت گیر بوده و ممکن است برای حلّ سینماتیک مستقیم یک ربات مجبور باشیم یک یا چند پارامتر را ثابت فرض کنیم. محدودیت های اشاره شده در بالا، ما را بر آن داشت تا از ابزاری مفید، قابل اعتماد و سریع بنام شبکه عصبی بهره ببریم. در حلّ سینماتیک مستقیم به روش عددی، معمولاً به نقطه ابتدایی نیاز است که استفاده از شبکه های عصبی این عیب را تحت پوشش قرار می دهد. هدف ما در اینجا یافتن مسیر بهینه عبوری ربات از میان موانع ثابت و نقاط تکین است. از اینرو در حلّ سینماتیک مستقیم برآنیم تا بازای چند دسته از جوابهای سینماتیک معکوس مسیر بهینه را بمنظور طراحی مسیر حل کنیم. بنابراین با استفاده از اطلاعات یافته شده از حلّ سینماتیک معکوس، شبکه عصبی را برای حلّ سینماتیک مستقیم و به تبع آن، طراحی مسیر آموزش دهیم. برای طراحی مسیر نیز از چندجمله ای درون یاب 7-6-5-4 که دارای پیوستگی در مکان، سرعت، شتاب و نیز جرک است بهره گرفتیم. همزمان با طراحی مسیر دو پارامتر عدد شرط و طول مسیر مورد مطالعه قرار گرفته است. یعنی ما در اینجا به دنبال مسیری با ماکزیمم میانگین عکس عدد شرط و یا کوتاهترین طول (با فرض گام زمانی ثابت) خواهیم بود. برای یافتن نقاط تکین نیز از معیار شاخص سینماتیکی موقعیت استفاده شده است. برای بهینه سازی مسیر نیز بایستی مسیری را برگزید تا از گسستگی یا شکستگی بدور باشد چراکه سلامت موتورها بخطر نیافتد. ضرایب چندجمله ای درون یاب نیز توسط شرایط مرزی تعیین خواهد شد. سپس با ایده ای جدید سعی در بهینه سازی مسیر خواهیم کرد.