Este documento contribuye al desarrollo del aprendizaje automático evolutivo (EML) para el control difuso óptimo en el espacio polar de vehículos Mecanum ciberfísicos utilizando el algoritmo de polinización de flores (FPA). El metaheurístico FPA se utiliza para diseñar sistemas difusos óptimos, llamados FPA-difuso. En esta computación híbrida, tanto la estructura difusa como el número de reglas SI-ENTONCES se optimizan a través del proceso evolutivo FPA. Este enfoque supera la desventaja del problema de ajuste de estructura en los sistemas difusos convencionales. Después de derivar el modelo cinemático en el espacio polar de los vehículos Mecanum, se sintetiza un esquema de control en línea EML FPA-difuso óptimo, y se demuestra la estabilidad global a través de la teoría de Lyapunov. Luego se construye un sistema robótico ciberfísico integrado utilizando la estrategia típica 5C. La computación propuesta FPA-difuso colabora con los sensores y actuadores avanzados de los vehículos Mecanum para diseñar un sistema robótico ciberfísico. En comparación con los métodos convencionales de control en el espacio cartesiano, el propuesto EML FPA-difuso tiene las ventajas de metaheurísticas, control en línea difuso y diseño de sistema ciberfísico en coordenadas polares. Finalmente, se construye el diseño mecatrónico y la configuración experimental de un sistema ciberfísico de vehículo Mecanum. A través de resultados experimentales y trabajos comparativos, se valida la efectividad y mérito de los métodos propuestos. El enfoque de control EML FPA-difuso propuesto tiene importancia teórica y práctica en términos de su capacidad en tiempo real, ajuste de parámetros en línea, comportamiento convergente e inteligencia artificial híbrida.