En este artículo, exploramos el problema del frenado suave en puntos preestablecidos en vehículos autónomos utilizando control predictivo de modelo (MPC) con un observador de estado extendido de horizonte recesivo (RHESO) y una red neuronal (NN). Se propone un método de modelado basado en NN para describir intuitivamente la relación entre la velocidad del vehículo y los controladores del vehículo (freno y acelerador), y establecer un modelo dinámico de vehículos autónomos. Se presenta una condición suficiente para garantizar la convergencia de la NN propuesta. Además, se diseña una estrategia compuesta de MPC basada en RHESO, que optimiza una función de costo dada a lo largo del horizonte recesivo mientras mitiga los efectos de las inexactitudes de modelado y las perturbaciones. Adicionalmente, se proporcionan condiciones fácilmente verificables para asegurar la acotación uniforme de los vehículos de conducción autónoma. Se presentan ejemplos numéricamente ilustrativos para demostrar la efectividad del enfoque propuesto.