Este estudio diseñó un método de control adaptativo de redes neuronales (NN) para una categoría de sistemas multi-robóticos con incertidumbres paramétricas. En aplicaciones de ingeniería práctica, los sistemas comúnmente enfrentan desafíos de diseño debido a incertidumbres en sus parámetros. Especialmente cuando los parámetros de un sistema son completamente desconocidos, la imprevisibilidad causada por las incertidumbres paramétricas puede aumentar la complejidad del control e incluso causar inestabilidad en el sistema. Para abordar estos problemas, se propone un mecanismo de compensación adaptativa de NN. Además, utilizando backstepping y funciones de barrera de Lyapunov (BLFs), se garantiza que se puedan cumplir las restricciones de estado. Con la ayuda de la función de transformación, las velocidades de convergencia de los sistemas se mejoraron considerablemente. Bajo la estrategia de control implementada, se logró el control de tiempo prescrito de sistemas multi-robóticos con incertidumbres paramétricas bajo el rendimiento prescrito. Finalmente, la eficacia de la estrategia de control propuesta se verificó mediante la aplicación de varios casos.