Este documento presenta una arquitectura de control de aprendizaje basada en contracciones que permite utilizar herramientas de aprendizaje de modelos para aprender las incertidumbres del modelo emparejado, garantizando al mismo tiempo el rendimiento de seguimiento de trayectoria durante los transitorios de aprendizaje. La arquitectura se basa en un estimador de perturbaciones para estimar el valor puntual de la incertidumbre, es decir, la discrepancia entre un modelo nominal y la verdadera dinámica, con límites de error de estimación precomputables, y una condición de energía riemanniana robusta para calcular la señal de control. Bajo ciertas condiciones, el controlador garantiza la convergencia exponencial de la trayectoria durante los transitorios de aprendizaje, mientras que el aprendizaje puede mejorar la robustez y facilitar una mejor planificación de trayectorias. Los resultados de simulación validan la eficacia de la arquitectura de control propuesta.