Este estudio tiene como objetivo proporcionar un controlador robusto de seguimiento de trayectoria que garantice el rendimiento prescrito de un manipulador robótico, tanto en modos transitorios como en estado estacionario, experimentando incertidumbres paramétricas. El núcleo principal del controlador está diseñado en base a los métodos de control adaptativo en modo deslizante de tiempo finito (SMC) y máquina de aprendizaje extremo (ELM) para estimar colectivamente las incertidumbres del modelo paramétrico y mejorar la calidad del rendimiento de seguimiento. En consecuencia, se logra una estimación global con una rápida tasa de convergencia, mientras que el error de seguimiento y el impacto del chattering en la entrada de control se mitigan significativamente. Tras el diseño del control, se prueba la estabilidad del sistema de control en su conjunto junto con la tasa de convergencia de tiempo finito, y se investiga la efectividad del método propuesto a través de extensos estudios de simulación. Los resultados de las simulaciones confirman que se obtienen los rendimientos transitorios y en estado estacionario prescritos con suficiente precisión, rápida tasa de convergencia, robustez y entrada de control suave, que son todos necesarios para la implementación y aplicaciones prácticas.