Este documento presenta el desarrollo de un sistema de control difuso evolutivo de tipo 2 (T2-EFCS) para facilitar el autoaprendizaje (ya sea desde cero o a partir de una regla predefinida). Nuestro sistema tiene dos etapas principales de aprendizaje, a saber, el aprendizaje de la estructura y el aprendizaje de los parámetros. La fase de estructura no requiere información previa sobre la estructura difusa, y puede comenzar la construcción de sus reglas desde cero con solo una regla difusa inicial. Las reglas se actualizan y podan continuamente de manera en línea para alcanzar el punto de ajuste deseado. Para la fase de aprendizaje de parámetros, todos los parámetros ajustables del sistema difuso se ajustan utilizando un método de superficie deslizante, que se basa en el algoritmo de descenso de gradiente. Este método se utiliza para minimizar la diferencia entre las señales esperadas y las reales. Nuestro método de control propuesto es independiente del modelo y no requiere conocimiento previo de la dinámica o restricciones de la planta. En cambio, el control basado en datos utiliza técnicas basadas en inteligencia artificial, como los sistemas de lógica difusa, para aprender la dinámica del sistema y adaptarse a los cambios en el sistema, y tener en cuenta las interacciones complejas entre diferentes componentes. Se incorpora un término de robustez en el esfuerzo de control para lidiar con perturbaciones externas en el sistema. La técnica propuesta se aplica para regular la dinámica de un robot móvil en presencia de múltiples perturbaciones externas, demostrando la robustez de los sistemas de control propuestos. Se realiza un estudio comparativo riguroso con respecto a tres controladores diferentes, donde los resultados ilustran la superioridad del método de aprendizaje propuesto, como lo evidencian los valores más bajos de RMSE y menos parámetros difusos. Por último, se lleva a cabo un análisis de estabilidad del método de control propuesto utilizando la teoría de estabilidad de Lyapunov.