CoordenaÃÃo de AperfeiÃoamento de NÃvel Superior / A animaÃÃao por dinÃmica direta consiste em sintetizar os movimentos de um modelo a partir da especificaÃÃo de suas propriedades fÃsicas (massa e momento de inÃrcia), das condiÃÃes de vÃnculo entre suas partes componentes, das condiÃÃes de contato com outros corpos e das forÃas que nele atuam. Essa abordagem tem a vantagem de gerar animaÃÃes com realismo fÃsico. O problema, que continua relevante como objeto de investigaÃÃo, à o de controle do modelo: âQue forÃas devem ser aplicadas ao modelo para gerar o movimento desejado?â. A soluÃÃo do problema proposto apresentada neste trabalho assume que o modelo estudado constitui-se de uma estrutura de corpos rÃgidos articulados cujos movimentos sÃo gerados por atuadores internos, com suas forÃas definidas por um sistema nervoso. Com o uso de redes neurais artificiais e computaÃÃo evolucionÃria, o controlador proposto à capaz de adaptar-se para controlar diferentes modelos articulados, e para gerar variados tipos de movimentos enquanto mantÃm a estabilidade mesmo quando hà pequenas variaÃÃes do terreno. O modelo proposto possui, em seu nÃcleo, um gerador central de padrÃes (CPG - Central Pattern Generator) baseado em osciladores neurais, e o mesmo tem sua atividade regulada por mÃdulos sensoriais, para permitir o equilÃbrio da estrutura e estabilidade do movimento, respondendo Ãss variaÃÃes do ambiente. Para a adaptaÃÃo à estrutura articulada e aprendizagem de movimentos, o controlador possui ainda um mÃdulo cognitivo, responsÃvel pela busca dos parÃmetros neurais, atravÃs de algoritmos genÃticos, e das redes de retroalimentaÃÃo (sensoriamento), com programaÃÃo genÃtica. Resultados sÃo apresentados em associaÃÃo ao controle dos modelos humanÃide, cheetah, sapo, luxo e luxo-2, sendo esses dois Ãltimos iguais topologicamente, mas com variaÃÃes nos tamanhos dos corpos e liberdade das juntas. Todos os modelos sÃo testados em terreno plano e com rampa. / Direct dynamics animation consists of synthesizing the movements of a model from the specification of its physical properties (mass and moment of inertia), the conditions of bond between its contracting parties, the conditions of contact with other bodies and the forces that acts on it. This approaching has the advantage to generate animations with physical realism. The problem, that continues relevant as inquiry object, is the control of the model: âWhat forces must be applied to the model to generate the desired movement?â. The solution of the problem, presented in this work, assumes that the studied model consists of a structure of rigid link bodies whose movements are generated by internal actuators, with its forces defined by a nervous system. With use of artificial neural networks and evolutionary computation, the proposed controller is capable of adapting itself to control different articulated models, and to generate varied types of movements while it keeps the stability even with small variations of the terrain. The presented model possesses, in its core, a Central Pattern Generator (CPG) based on neural oscillators, that has their activities regulated by the sensorial module, to allow the balance of the structure and stability of the movement, responding to environment variations. For the adaptation to the articulated structure and learning of movements, the controller has a cognitive module, responsible for the search of neural parameters, through genetic algorithms, and the feedback networks (sensorial answers to environment variations), with genetic programming. Results are presented related to the control of models humanoid, cheetah, frog, luxo and luxo-2, having these last two ones equal topologies, but with variations in the sizes of the bodies and freedom of the joints. All the models are tested in plain land and with slope.