La predicción de trayectorias de robots es una parte esencial en la construcción de sistemas de gemelos digitales y en garantizar la navegación de alto rendimiento de robots móviles de IoT. En el estudio, se propone un novedoso modelo de múltiples objetivos y múltiples aprendices en dos etapas para la predicción de trayectorias de robots. Se adoptan cinco modelos de aprendizaje automático como aprendices base, incluyendo promedio móvil autorregresivo, perceptrón multicapa, red neuronal Elman, red de estado profundo y memoria a corto plazo a largo plazo. Se aplica un algoritmo genético de clasificación no dominada III para combinar automáticamente estos aprendices base, generando un modelo de conjunto preciso y robusto. El modelo propuesto se prueba en varios conjuntos de datos reales de trayectorias de robots y se evalúa mediante varias métricas. Además, también se aplican diferentes algoritmos de optimización existentes para comparar con el modelo propuesto. Los resultados demuestran que el modelo propuesto puede lograr una precisión y robustez satisfactorias para diferentes conjuntos de datos. Es adecuado para la predicción precisa de trayectorias de robots.