La adición de juntas telescópicas mejorará la destreza de movimiento del manipulador, pero aumentará la complejidad del movimiento, lo que podría reducir la eficiencia de la planificación del movimiento. Para abordar el problema, se utiliza un principio de prioridad de manipulabilidad para reducir la dimensión computacional, con el objetivo de mejorar la eficiencia computacional. En primer lugar, se propone un algoritmo de Monte Carlo mejorado combinado con Aprendizaje Ensemblado Ponderado para obtener rápidamente un espacio de trabajo alcanzable bien distribuido y completo en información bajo condiciones de muestra pequeña. Luego, se calculan todos los puntos hábiles mediante la fórmula de manipulabilidad y se aplica el algoritmo de mínimos cuadrados para obtener el límite del espacio de trabajo alcanzable. Basado en el límite, se propone un algoritmo de segmentación basado en superficies cuadráticas espaciales para obtener el espacio de trabajo hábil correspondiente a todos los puntos hábiles. Posteriormente, se diseña el método de Cálculo de Movimiento Telescópico (TMC) para transformar el problema de cinemática de un manipulador de 9 grados de libertad en un problema de 7 grados de libertad al precomputar las longitudes de las juntas telescópicas, reduciendo efectivamente el tiempo computacional para la cinemática inversa. Finalmente, se realizan simulaciones para verificar la efectividad, destreza y eficiencia del método TMC. Los resultados indican que aplicar el método TMC a los algoritmos PInv, DLS y PSO mejora la eficiencia en 3.43, 3.53 y 3.64 veces, manteniendo la destreza de movimiento.