در این پروژه، مدل سازی سینماتیک مستقیم ربات های موازی و به طور خاص ربات گاف استوارت مورد بررسی قرار گرفته است. ربات های موازی حرکت های کوپله به شدت غیرخطی از خود بروز می دهند و بنابراین در حال حاضر حل فرم بسته ای با جواب یکتا برای سینماتیک مستقیم آن ها موجود نیست، ولی از آن جهت که حل سینماتیک مستقیم نقش اساسی در فرم بسته موقعیت و کنترل نیرو دارد، حل سریع و دقیق آن اجتناب ناپذیر است. در این پروژه، برای حل مسئله سینماتیک مستقیم دو مدل فازی تاکاگی سوگینو ثابت و خطی با 2، 3 و4 تابع عضویت در نظر گرفته شده که در مجموع 6 مدل می باشد که توسط دو روش گرادیان نزولی و الگوریتم ژنتیک بهینه سازی شده است. این مدل بر روی ربات استوارت 6 درجه آزادی اجرا شده و خروجی مدل با مقادیر حاصل از حل سینماتیک معکوس که در پایگاه داده به عنوان مقدار مطلوب قرار می گیرند، مقایسه شده است. عملکرد مدل نیز با استفاده از پایگاه داده های آموزش تولید شده توسط سیستم واقعی موجود در آزمایشگاه بررسی شد. یک نمودار برای برپاکردن توازنی بین دقت و سرعت محاسبه با توجه به نیاز مطلوب، جهت کمک به کاربر برای انتخاب بهترین مدل از بین مدل های موجود ارائه شده است در نتایج مشخص شد که با افزایش تعداد توابع عضویت، دقت و زمان محاسبه مدل ها به صورت همزمان افزایش می یابد. همچنین مشاهده شد که دقت مدل های خطی بیشتر است و سرعت محاسبه مدل های ثابت بالاتر است. همچنین می توان مشاهده نمود که بهینه سازی توسط روش الگوریتم ژنتیک اصلاح یافته بسیار دقیق تر از روش گرادیان نزولی می باشد و در کل می توان عملکرد مدل فازی آموزش یافته با روش الگوریتم ژنتیک اصلاح یافته را در مقایسه با روش های تکرار نیوتون رافسون و سایر روش های فازی و شبکه عصبی بهتر دانست.