В статье предлагается отслеживать и прогнозировать траекторию движения автономного неголономного трехколесного мобильного робота с помощью модифицированной нейронной сети Элмана. Предлагается алгоритм расчета показателя обучения нейронной сети, который способствует повышению эффективности и скорости обучения, а также снижает количество итераций, необходимых для обучения. Модифицированный алгоритм Элмана с динамическим показателем обучения сравнивается с классической нейронной сетью Элмана и PSO-алгоритмом. Обучение нейронной сети оценивается по двум критериям: количество итераций, необходимых для обучения, и среднее время обучения. Помимо этого, проверяется отклонение от заданной траектории движения: движения по прямой, по квадрату и по окружности для каждого алгоритма. Результаты моделирования показали, что модифицированная нейронная сеть Элмана с динамическим показателем обучения эффективнее (в среднем, на 32,4 %) и быстрее (в среднем, на 66,4 %) справляется с задачей обучения и имеет наименьшее отклонение от заданной траектории движения. Относительная погрешность измерений варьируется в диапазоне от 7,8 % до 20,2 % при 95 % уровне надежности и пяти испытаниях для каждой группы измерений.