Este documento presenta una estrategia de control MIMO adaptativa y robusta para mejorar la estabilidad y adaptabilidad de la locomoción bípeda en medio de incertidumbres y perturbaciones externas. El control combina inversión dinámica no lineal, convergencia en tiempo finito y redes neuronales de función de base radial (RBF) para un seguimiento de trayectoria rápido y preciso. La principal novedad de la estrategia de control presentada radica en unificar la retroalimentación instantánea, el aprendizaje en tiempo real y la adaptación dinámica dentro de un marco de retroalimentación multivariable, ofreciendo una robustez, precisión y rendimiento en tiempo real superiores en condiciones extremas. El esquema de control se implementa en un robot subactuado de 5-DOF utilizando una plataforma con una tasa de muestreo de. Los resultados experimentales muestran un rendimiento excelente con lo siguiente: el robot logró gaits cíclicos estables mientras mantenía el error de seguimiento dentro de condiciones nominales. Bajo severas incertidumbres de variaciones en la masa del tronco, cambios en la inercia de las extremidades y saturación del par del actuador, el robot mantiene ciclos límite estables con un control suave. El rendimiento del controlador propuesto se compara con controles clásicos de desacoplamiento no lineal, de tiempo finito no adaptativos, de aprendizaje neuro-difuso y de aprendizaje profundo. Los resultados demuestran que el método propuesto supera las cuatro estrategias de referencia, logrando los errores más bajos y la convergencia más rápida con lo siguiente: , , , , y. Estos resultados demuestran evidencia de alta estabilidad, rápida convergencia y robustez ante perturbaciones y deslizamientos del pie.