针对手势抓取的多自由度和抓取模式的灵活复杂特性,提出了一种面向任务的手臂移动与手势抓取神经网络模型.基于人手抓取动作数据,运用一种描述手部姿势的协同值提取策略,仅用三个协同系数定义手势抓取演变过程,进而构建面向任务和物体几何特征的协同系数神经网络认知模块,实现拟人机械手的抓取模式规划.模型还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(vector integration to endpoint)点对点运动轨迹计算模型动态更新运动命令,并应用小脑逆向内模处理手臂运动过程中的经典动态逆问题,完成手势空间位置到关节角度的转换.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.