چکیده: همیشه یک عدم تطابق بین مدل نامی سینماتیک تعبیه شده در کنترل‌کننده ربات و مدل واقعی و فیزیکی وجود دارد که ناشی از خطاهای ساخت، خطاهای مونتاژ، وجود لقی در مفاصل، انعطاف‌پذیری در اعضا، تغییرات محیطی و سایر عوامل می‌باشد. در بحث کنترل ربات هم با توجه به ساختار لینک‌ها و مفاصل، گاها به‌دلیل وجود اصطکاک و لقی مفاصل، مقداری سایش و در نتیجه خوردگی وجود دارد که ممکن است مدل ربات دچار تغییر و دقت فرایند کنترلی کاهش یابد. همچنین محاسبه سینماتیک ربات‌های موازی، کاری پیچیده و دشوار است. بنابراین در مدل‌سازی و کنترل ربات می‌توان از شبکه‌های عصبی مصنوعی استفاده نمود. شبکه‌های عصبی می‌توانند روابط غیرخطی را که بین داده‌های ورودی و خروجی رخ می‌دهند، نشان دهند. توانایی آن‌ها در یادگیری با مثال، آن‌ها را به گزینه های خوبی برای تهیه رابطه بین فضای دکارتی و فضای مفصلی موردنیاز مسئله سینماتیک مستقیم و معکوس تبدیل می‌کند. شبکه‌های عصبی مصنوعی برای مقابله با مسائل کنترل تطبیقی در زمان واقعی که زمان محاسبه آن‌ها کوتاه‌تر است نیز بسیار مفید هستند. در این پژوهش از شبکه عصبی برای دست‌یابی به یک مدل واقعی برای ربات دلتا و سپس کنترل مسیر آن استفاده شده است. به این صورت که در ابتدا دیتاهای موردنیاز استخراج شده است، ورودی سیستم مقدار زوایای مفاصل ربات و خروجی آن موقعیت مجری نهایی است که با اندازه گیری مقادیر ورودی و خروجی بصورت تجربی، دیتاهای موردنیاز تولید شده است. با این کار مدل واقعی ربات به‌دست آمد، سپس از این مدل، در فرایند کنترل مسیر استفاده شد. فرایند کنترل نیز بر روی ربات و بصورت تجربی اعمال شد. ربات مسیر‌های تعریف شده را با دقت میانگین 2 میلی‌متر دنبال کرد و نتایج به کمک حسگرهای فاصله‌سنج اعتبار سنجی شدند.