Tay robot gồm ba ngón, mỗi ngón có một động cơ và cơ cấu khớp thụ động cho phép tự thích nghi với hình dạng vật thể.

• Sáu cấu hình gắp được xác định: gắp ba ngón song song, gắp bao quanh, gắp hai ngón, gắp móc, v.v.
• - Vật thể được mô tả bằng 5 thuộc tính: hình dạng tổng thể, trọng lượng tương đối, thể tích tương đối, khả năng bao quanh, không gian xung quanh.
• - Dữ liệu được xử lý bằng lý thuyết tập thô để loại bỏ thuộc tính dư thừa, sau đó huấn luyện bằng mạng nơ-ron BP, RBF và PNN.
• - Mạng PNN cho kết quả tốt nhất với độ chính xác 92% trên tập kiểm tra gồm 51 vật thể.
• - Hệ thống điều khiển gồm phản hồi vị trí (PID) và phản hồi lực (PD), sử dụng cảm biến lực và cảm biến góc.
• - Mô phỏng bằng Matlab/Simulink cho thấy hệ thống phản hồi nhanh, ổn định, chống nhiễu tốt.
• - Thử nghiệm thực tế với 7 vật thể (chai nước, hộp kính, quả lê, sách, hộp kẹo, quả cam nhỏ, quả bóng tennis) cho thấy tay robot thực hiện gắp đúng cấu hình theo dự đoán của mạng nơ-ron.
• - Hệ thống không cần cảm biến phức tạp, dễ triển khai, phù hợp với ứng dụng đời sống.