En el método tradicional de control de aprendizaje iterativo (ILC), el intervalo de tiempo operacional se fija convencionalmente para facilitar un proceso de aprendizaje continuo a lo largo del eje de iteración. Sin embargo, esta condición puede ser frecuentemente contravenida en aplicaciones en tiempo real debido a incertidumbres desconocidas y factores impredecibles. En esencia, replicar un sistema de control en un intervalo de tiempo consistente resulta desafiante en escenarios prácticos. Este artículo propone un método de control de aprendizaje iterativo adaptativo (AILC) para el sistema no lineal de múltiples entradas y múltiples salidas (MIMO) con longitudes de prueba no uniformes y una matriz de ganancia de control invertible. En comparación con la investigación AILC existente que presenta longitudes de prueba no uniformes, se asume que la matriz de ganancia de control del sistema en este artículo es invertible. Por lo tanto, el requisito general en el método AILC convencional de que la matriz de ganancia de control del sistema sea positiva definida (o negativa definida) o incluso conocida se relaja. Además, la referencia de seguimiento permite que varíe con cada iteración. Finalmente, para demostrar la convergencia del sistema, se introduce la función de energía compuesta y para verificar la validez del método AILC, se utiliza una imitación de movimiento de robot con un sistema de cámara no calibrado. Los resultados de la simulación muestran que la salida real puede seguir bien la trayectoria de referencia deseada, y el error de seguimiento converge a cero después de 30 iteraciones.