作為機器人通過學習獲得前饋動作的方法，用 Spline 函式表示控制輸入的時間波形，在動作行為的反覆試行中通過評價函式讓輸入波形變化，進行“探索性的學習”。為進行高效地搜尋，採用啟發式(heuristics)方法的算法，進行逐次修正和高效搜尋。
由啟發式方法反覆進行試行錯誤實驗，對於給定條件，可以生成良好的動作。可是，如果樹枝間距等控制條件發生變化情況下，用以前的條件得到的前饋動作在新的條件下已經不適合了，所以必須再次進行試行錯誤，以不斷適應於環境的變化。因此，本節通過插補幾個控制條件下得到的經驗值，論述在未經歷條件下進行控制的方法。然後，一邊用它們進行反饋控制，一邊讓樹枝間距和高度都不相同時的條件下泛化經驗。
機器人通常具有多自由度，其控制系統為多輸入多輸出系統。在控制系統設計上，把控制器分割到每個關節的結構在設計上是有利的——因為可以通過組織與協調級對基本控制單元的協調和組織實現靈活的控制。
智慧型學習運動控制研究中的手法包括：
採用神經網路的階層型進化算法；
採用遺傳算法的階層型進化算法；
採用遺傳算法的模糊控制器的學習手法；
採用強化學習的模糊控制器的學習方法；
多數控制器下的學習手法。
