Se propone un nuevo esquema de control visual en cascada para adaptarse a manipuladores robóticos accionados eléctricamente que operan bajo incertidumbres cinemáticas y dinámicas, utilizando una cámara estacionaria no calibrada. El enfoque de control propuesto incorpora redes neuronales de función de base radial (RBFNNs) con pesos adaptativos para aprender los comportamientos de las dinámicas inciertas del robot y los actuadores conjuntos. Los controladores están diseñados para anular el error de aproximación y mitigar las perturbaciones desconocidas a través de un mecanismo robusto adaptativo integrado. Una ventaja importante del enfoque propuesto es que ya no se requiere conocimiento previo de las dinámicas del manipulador robótico y su actuador. El controlador asimila de forma autónoma las dinámicas del robot y el actuador en línea, evitando así la necesidad de derivar matrices de regresión complicadas y de medir dinámicas avanzadas para establecer el algoritmo de actualización de parámetros dinámicos adaptativos. El esquema propuesto garantiza la estabilidad del sistema en lazo cerrado, estados del sistema acotados y la convergencia de los errores de seguimiento a cero. Los resultados de la simulación, utilizando un manipulador PUMA como banco de pruebas, corroboran la viabilidad de la política de control propuesta.