روشهای کلاسیک کنترل موقعیت دست ربات عمدتا بر شناسایی مدل دقیق ربات استوار می باشد که در عمل بدلیل وجود پارامترهای ناشناخته موثر در دینامیک ربات از قبیل لقی چرخ دنده ها، اصطکاک بین مفاصل بازوها و غیره، پیدا کردن مدل دقیق دینامیک یک ربات کار بسیار مشکلی می باشد. از طرفی، استفاده از مدل ساده شده ربات نیز دقت کار ربات را که لازمه انجام بسیاری از کارها از قبیل برش لیزری قطعات، جوشکاری و غیره می باشد، کاهش داده و در نتیجه کارآیی روشهای کلاسیک کنترل موقعیت ربات را کاهش میدهد.در این پایان نامه روشهای هوشمند کنترل موقعیت دست ربات مخصوصا کنترل کننده های فازی - عصبی مورد برسی قرار می گیرد. در این نوع کنترل کننده های هوشمند سعی بر این است که از مکانیزم های یادگیری در مواجه با پارامترهای غیر قطعی و ناشناخته موجود در مدل دینامیکی ربات استفاده شود یکی از اصلی ترین پارامترهای موثر در کاهش کارآیی کنترل کننده های هوشمند وجود اصطکاک در میان مفاصل ربات می باشد که در این پایان نامه از روشی به نام روش یادگیری از طریق تکرار ‏‎(ilc)‎‏ جهت خنثی سازی نیروی اصطکاک استفاده گردید. این روش از این واقعیت که معمولا از ربات ها جهت کارهای تکراری استفاده می شود و رفتار غیرخطی ربات در انجام این نوع کارها معمولا تکراری است، استفاده می کند و از خطاهای بوجود آمده در دور قبل جهت اصلاح خطای خروجی کنترل کننده در دور بعد بهره می گیرد.نتایج تلفیق این روش با روش کنترل بر مبنای خطای خروجی کنترلگر ‏‎(coem)‎‏ کارآیی این روش را در جبران سازی اصطکاک مفاصل ربات نشان می دهد.