德国灵长类动物中心 (DPZ)-哥廷根莱布尼茨灵长类研究所的神经科学家开发了一种模型，可以无缝地表示从看到物体到抓住物体的整个运动计划。来自两只恒河猴抓取实验的综合神经和运动数据为模型的开发提供了决定性的结果，该模型是一种人工神经网络，能够在使用特定物体的图像进行训练后模拟大脑中的过程和交互。人工网络模型的神经元数据能够解释动物实验中复杂的生物数据，从而证明功能模型的有效性。从长远来看，这可以用于开发更好的神经假体，例如，

恒河猴与人类一样，具有高度发达的神经和视觉系统以及灵巧的手部运动控制能力。因此，它们特别适合研究抓取运动。从之前对恒河猴的研究可知，三个大脑区域的相互作用负责抓取目标物体。然而，到目前为止，还没有神经层面的 详细模型来表示从视觉信息处理到控制手臂和手部肌肉抓取物体的整个过程。

为了开发这样的模型，两只雄性恒河猴接受了训练，以抓取按随机顺序呈现给它们的 42 个不同形状和大小的物体。猴子戴着数据手套，连续记录手臂、手和手指的运动。该实验首先短暂地照亮要抓握的物体，同时猴子看着相应物体下方的红点，并在闪烁信号后短暂延迟执行抓握动作。这些条件提供了有关不同大脑区域活跃的时间的信息，以便根据视觉信号产生抓取运动和相关的肌肉激活。