行为和认知神经科学的高速发展,不仅深化了人类对大脑行为功能机制的理解,而且推动了其与神经计算科学的结合,有力地促进了机器智能的发展。在手势实时跟踪方面,手臂运动和手势抓取之间的时空协调以及手势的高维特性是抓取运动研究的主要瓶颈。因此,本文从生理学和认知神经科学的角度出发,探讨与这两个研究热点相关的手臂抓取神经网络模型的构建问题。首先,针对手臂延伸和抓取过程中手臂运动、抓取角度以及手掌朝向三个组件之间的时空协调问题,本文基于VITE(Vector Integration to Endpoint)点对点运动轨迹生成模型,提出一种具有生物学意义的抓取神经网络模型。模型改变了传统的门控信号的输入方法,利用基底神经节丘脑皮层环路调节组件通道运动速度,优化了最大抓取孔径的更新方法,设置可进行空间状态信息交流的耦合神经元动态调节抓握孔径,还增设了用于检测组件目标状态扰动情况的监督细胞。通过与原方法做对比实验,新模型较好地复现了抓取运动的动力学关键特征,增强了运动协调性和抗干扰性。考虑到手势抓取的高维与条件复杂特性,本文还提出了一种面向任务的手臂抓取神经网络模型。运用一种描述手部姿势的协同控制策略,仅用三个协同系数定义手势抓取演变过程,并构建协同系数神经网络认知模块实现面向任务和物体特征的手势抓取。模型通过将抓取运动细分为手臂移动、手指预成型和手掌朝向三大通道,利用VITE模型更新运动命令,结合小脑逆向内模处理手臂控制的经典动态逆问题。实验对神经网络的有效性与抓取系统的协调性进行了验证,结果表明,以上方法构建的手势抓取模型具有良好的适用性与抓取特性。