Las plantas trepadoras requieren un soporte externo para crecer verticalmente y mejorar la adquisición de luz. Los trepadores que encuentran un soporte adecuado demuestran un mayor rendimiento y adaptación que aquellos que permanecen postrados. La búsqueda de soporte se caracteriza por movimientos oscilatorios (es decir, circunnutación), en los que las plantas giran alrededor de un eje central durante su crecimiento. Numerosos estudios han elucidado los detalles mecánicos de la circunnutación, pero cómo se controla este fenómeno durante la búsqueda de soporte sigue siendo incierto. Para llenar este vacío, aquí probamos si los métodos de aprendizaje automático basados en simulación pueden capturar diferencias en los patrones de movimiento anidados en datos cinemáticos reales. Comparamos clasificadores de aprendizaje automático con el objetivo de generar modelos que aprendan a discriminar entre patrones de circunnutación relacionados con la presencia/ausencia de un soporte en el entorno. Los resultados indican que hay una diferencia en el patrón de circunnutación, dependiendo de la presencia de un soporte, que puede ser aprendida y clasificada con bastante precisión. También identificamos características cinemáticas distintivas a nivel de la unión debajo de los zarcillos que parecen ser un indicador superior para discernir la presencia/ausencia del soporte por parte de la planta. En general, los enfoques de aprendizaje automático parecen ser herramientas poderosas para entender el movimiento de las plantas.