En este artículo, se investigó la locomoción y el control de dirección de un robot cuadrúpedo Mini Cheetah simulado en presencia de un terreno caracterizado por baja fricción. Se implementó un control de locomoción y dirección de bajo nivel a través de un enfoque de generador de patrones central, mientras que las maniobras de control de dirección de alto nivel se implementaron comparando una red neuronal y un controlador predictivo lineal en un entorno de simulación dinámica. Se adoptó un enfoque basado en datos para identificar el modelo del robot utilizando tanto una función de transferencia lineal como una red neuronal artificial superficial. Los resultados demuestran que, mientras que el enfoque lineal mostró un buen rendimiento en terrenos de alta fricción, en presencia de condiciones resbaladizas, la aplicación de un controlador predictivo de red neuronal mejoró la precisión de la trayectoria y preservó la seguridad del robot con diferentes maniobras de dirección. Se llevó a cabo un análisis comparativo utilizando varios índices de rendimiento.