En este libro se presenta en el marco del control visual de robots, dos controladores proporcional derivativo con retroalimentación visual, los cuales no requieren de información referente a la dinámica del robot debido a que se utiliza una compensación de los pares gravitacionales a través de una red neuronal de funciones radiales básicas. En lugar de utilizar el aprendizaje back-propagation o la regla de aprendizaje delta, comúnmente usados en la literatura para ajustar los pesos de la red neuronal, se desarrollarán reglas de aprendizaje que se obtendrán directamente mediante el análisis de estabilidad por el método de Lyapunoy. Así mismo, se mostrará el caso cuando existe además incertidumbre en los parámetros de la matriz Jacobiana del robot. El desempeño de los controladores propuestos será mostrado a nivel experimental estudiando el caso de control de posición (set-point regulation) a través de una plataforma constituida de un robot manipulador con articulaciones rotacionales de dos grados de libertad y un sistema de visión que está constituido por una cámara analógica fija que captura tanto al robot como a su ambiente de trabajo.