Este estudio propone el diseño de un controlador robusto basado en una estructura de Control por Modo Deslizante (SMC). El controlador propuesto, llamado Control por Modo Deslizante basado en Redes Neuronales Continuas en Forma Cerrada con Compensación de Gravedad (SMC-CfC-G), incluye el desarrollo de un modelo inverso del robot industrial UR5, que se utiliza ampliamente en diversos campos. También incluye el desarrollo de un vector de gravedad utilizando redes neuronales, que supera al vector de gravedad obtenido a través del modelado tradicional de robots. Para desarrollar un compensador de gravedad, se implementó una red neuronal de Perceptrón Multicapa (MLP) de avance. Se introdujo el uso de redes neuronales Continuas en Forma Cerrada (CfC) para el desarrollo del modelo inverso de un robot, lo que permite un modelado eficiente del robot. Se verificó el comportamiento del controlador propuesto bajo cargas y perturbaciones de torque en el efector final, demostrando su robustez frente a perturbaciones y variaciones en las condiciones de operación. Se destaca la adaptabilidad y capacidad del controlador propuesto para mantener un rendimiento superior en entornos industriales dinámicos, superando a los controladores clásicos SMC, Proporcional-Integral-Derivativo (PID) y Neurales. En consecuencia, se obtuvo un controlador de alta precisión con una tasa de error máxima de aproximadamente 1.57 mm, lo que lo hace útil para aplicaciones que requieren alta precisión.