Este documento propone un enfoque de control predictivo basado en modelos (MPC) para robots aéreos con ventiladores ductados utilizando aprendizaje automático (ML) informado por la física, donde la tarea es aprovechar al máximo las capacidades del diseño de control predictivo con un modelo dinámico preciso mediante una técnica de modelado híbrido. Para este propósito, se utiliza un vehículo aéreo en miniatura con ventilador ductado desarrollado de manera indígena y con capacidades de vuelo adecuadas. El modelo dinámico informado por la física se deriva fuera de línea considerando las fuerzas y momentos que actúan sobre la plataforma. Sobre la base del modelo informado por la física, se utiliza un enfoque de ML impulsado por datos llamado identificación adaptativa escasa de dinámicas no lineales para la identificación, estimación y corrección del modelo en línea. Posteriormente, se calcula un problema de optimización basado en MPC actualizando los estados informados por la física con el modelo de ML informado por la física en cada paso, lo que produce un rendimiento de control efectivo. Se garantiza la estabilidad en bucle cerrado y la viabilidad recursiva bajo condiciones suficientes. Finalmente, se lleva a cabo un estudio de simulación para corroborar de manera concisa la eficacia del marco presentado.