人或动物的运动平衡以及运动控制技能都来自于小脑感觉运动控制系统。在神经生理学和神经解剖学的基础上，为机器人模拟和复制小脑感觉运动控制系统，是控制科学、机器人学以及人工智能等学科的重要研究课题。首先，本文在Hoff-Arbib最小加加速度（minimum jerk）控制理论的基础上，提出一种具有生物学意义的小脑控制模型。通过研究手臂延伸运动来探索小脑的作用；探讨手臂运动与抓取时间协调问题。其次，重点对手臂的延伸运动进行了仿真实验。在训练学习过程中，记录小脑模块中不同神经元的反应情况，本文提出的小脑模型能够有效地降低手臂实际动作和计划动作之间的误差。实验的结果表明小脑参与运动学习，并发挥重要的作用。最后，论文的另一个重要研究是利用小脑控制模型，用来解释手臂延伸运动与抓取目标之间时间协调的问题，研究手臂延伸和抓取过程如何适应目标的变化。在对这种模型如何学习剩余时间预测和超前状态这两个关键功能进行讨论的基础上，重点对二维空间的手臂延伸与抓取运动进行了仿真。实验结果表明，由Hoff-Arbib模型所获得的有关延伸与抓取运动的动力学的一些关键特征，本文提出的新小脑控制模型也能实现，有些性能甚至更好。通过训练和学习，模型能获得精确平滑的运动轨迹。本文的研究主要是提高小脑模型对复杂控制功能的学习能力，这对人工智能科学、控制科学和机器人学等方面都具有非常长远的意义。