Los controladores basados en modelos sufren de los efectos de imprecisiones en la modelización. La forma analítica del modelo disponible a menudo contiene solo parámetros aproximados y puede ser físicamente incompleta. Las consecuencias de estos efectos pueden ser compensadas por técnicas adaptativas y por la mejora del modelo disponible. Los métodos clásicos basados en funciones de Lyapunov, que asumen formas analíticas exactas del modelo, garantizan estabilidad asintótica mediante una sintonización de parámetros cautelosa y lenta. Los controladores adaptativos basados en iteraciones de punto fijo pueden funcionar sin la forma exacta del modelo pero producen de inmediato un seguimiento preciso de la trayectoria. No identifican ni mejoran los parámetros del modelo disponible. Sin embargo, cualquier modificación del modelo puede mejorar la operación del controlador al afectar su rango y velocidad de convergencia. Se muestra que incluso versiones muy primitivas, rápidas y simples de métodos basados en computación evolutiva pueden producir una mejora considerable en su operación. La optimización por enjambre de partículas (PSO) es una herramienta atractiva, eficiente y simple para la mejora del modelo. En este documento, se investigó una técnica de aproximación de modelo basada en PSO para su uso en el control de un brazo robótico tipo PUMA de tres grados de libertad a través de simulaciones numéricas. Se utilizó un controlador adaptativo basado en iteración de punto fijo (FPI) para seguir una trayectoria nominal mientras que el PSO intentaba refinar el modelo. Se encontró que el modelo refinado aún tenía algunos errores, cuyos efectos no podían ser completamente ignorados en el control basado en modelos. La mejor solución práctica parece ser la aplicación del mismo control adaptativo con el uso del modelo más preciso mejorado por PSO. Aparte de un estudio preliminar, se presenta aquí el primer intento de combinar PSO con FPI.