El robot Delta es un robot paralelo sobreactuado con cinemática y dinámica altamente no lineales. El diseño del control para que un robot Delta realice varias operaciones es una tarea desafiante. Se han investigado varios algoritmos de control avanzado, como el control adaptativo, el control por modo deslizante y el control predictivo del modelo, para el seguimiento de trayectorias del robot Delta. Sin embargo, estos algoritmos de control requieren un modelo confiable de entrada-salida del robot Delta. Para abordar este problema, hemos creado un modelo de red neuronal afín al control del robot Delta con motores paso a paso. Este es un modelo completamente basado en datos destinado a consideraciones de diseño de control y no se deriva de la ley de Newton o la ecuación de Lagrange. Las redes neuronales se entrenan con datos muestreados aleatoriamente en un espacio de trabajo lo suficientemente grande. El control por modo deslizante para el seguimiento de trayectorias se diseña entonces con la ayuda del modelo de red neuronal. Se obtienen extensos resultados numéricos para mostrar que el modelo de red neuronal junto con el control por modo deslizante muestra un rendimiento excepcional, logrando un error de seguimiento de trayectoria por debajo de 5 cm en promedio para el robot Delta. El trabajo futuro incluirá la validación experimental del modelo de red neuronal propuesto de entrada-salida para el diseño de control del robot Delta. Además, se pueden realizar aprendizajes de transferencia para refinar aún más el modelo de red neuronal de entrada-salida y el control por modo deslizante cuando nuevos datos experimentales estén disponibles.