Los Brazos de Robot Aéreo (ARAs) permiten a los drones aéreos interactuar e influenciar objetos en diversos entornos. Los controladores tradicionales de ARA necesitan la disponibilidad de un modelo de alta precisión para evitar un alto ruido de control. Además, en aplicaciones prácticas de manipulación de objetos aéreos, las cargas que los ARAs pueden manejar varían, dependiendo de la naturaleza de la tarea. Las altas incertidumbres debido a errores de modelado y una carga desconocida son inversamente proporcionales a la estabilidad de los ARAs. Para abordar el problema de estabilidad, se propone un nuevo controlador robusto adaptativo, basado en la Red Neuronal de Función de Base Radial (RBF). También se sigue un enfoque de tres niveles. En primer lugar, se deriva un nuevo modelo detallado para el ARA utilizando el principio de Lagrange-d"Alembert. En segundo lugar, se diseña un controlador robusto adaptativo, basado en un modo deslizante, para manipular el problema de las incertidumbres, incluidos los errores de modelado. Por último, se implementa un controlador de mayor estabilidad, basado en la red neuronal RBF, con el controlador robusto adaptativo para estabilizar los ARAs, evitando errores de modelado y problemas de carga desconocida. La novedad del diseño propuesto es que tiene en cuenta altas no linealidades, bucles de control de acoplamiento, altos errores de modelado y perturbaciones debidas a cargas y condiciones ambientales. El modelo fue evaluado mediante la simulación de un estudio de caso que incluye los dos controladores propuestos y el seguimiento de trayectoria de ARA. Los resultados de la simulación muestran la validación y notabilidad del algoritmo de control presentado.