En la práctica, la mayoría de los manipuladores robóticos industriales utilizan controladores PID (Proporcional + Integral + Derivativo), gracias a su simplicidad y rendimiento adecuado bajo ciertas condiciones. Normalmente, este tipo de controlador tiene un buen rendimiento en tareas donde el robot se mueve libremente, realizando movimientos sin contacto con su entorno. Sin embargo, surgen complicaciones en aplicaciones como el proceso AFP (Colocación Automática de Fibra), donde se requiere un alto grado de precisión y repetibilidad en el control de parámetros como la posición y la fuerza de compresión para la producción de piezas compuestas. El control de estos parámetros es un gran desafío en términos de calidad y productividad del producto final, principalmente debido a la geometría compleja de la pieza y al tipo de herramientas con las que está equipado el sistema AFP. En las últimas décadas, se han propuesto varios enfoques de sistemas de control en la literatura, como metodologías basadas en teoría de control clásico, adaptativo o de modo deslizante. No obstante, tales estrategias presentan dificultades para cambiar su dinámica ya que su diseño considera solo un conjunto de perturbaciones. Este artículo presenta un nuevo algoritmo de control inteligente basado en redes neuronales de retropropagación (BP-NNs) combinado con esquemas de control clásico PID/PI para el control de fuerza/posición en robots manipuladores. Los controladores PID/PI son responsables de la acción de control principal, mientras que las BP-NNs contribuyen con su capacidad para estimar y compensar en línea las variaciones dinámicas del proceso AFP. Se ha demostrado que el control propuesto logra tanto la estabilidad en el sentido de Lyapunov para la fuerza de interacción deseada entre el efector final y el entorno, como el seguimiento de la trayectoria de posición para la punta del robot en el espacio cartesiano. El rendimiento y la eficiencia del control propuesto se evalúan mediante simulaciones numéricas en el entorno MATLAB-Simulink, obteniendo como resultados que los errores para la fuerza deseada y el seguimiento de trayectorias complejas se reducen a un rango por debajo del 5% en error cuadrático medio (RMSE).