A aplicação de Redes Neurais é fundamental para identificar padrões, estabelecer correlações, classificar e prever resultados. Este estudo utiliza essas capacidades para desenvolver um Sistema Embarcado em Robótica Móvel (SERM) que consiste em duas Redes Neurais. A primeira age como um 'modelo', treinando o controlador para agir de forma preditiva, enquanto a segunda desempenha o papel do controlador. O objetivo é criar um controlador neural adaptável, capaz de aprender com o ambiente por meio dos dados sensoriais coletados. Esse controlador ajusta suas ações com base nessas informações, garantindo que as respostas atendam aos critérios de desempenho estabelecidos. Além da implementação de modelos neurais, este estudo investigou uma abordagem integrada que conjuga técnicas de previsão e controle, explorando as potencialidades das redes neurais em um contexto de robótica. O êxito observado nas estratégias propostas sugere perspectivas para pesquisas futuras, contemplando variadas arquiteturas de redes neurais e refinamentos na dinâmica do sistema. O sistema de controle proposto destaca-se por sua adaptabilidade, capacidade de aprendizado contínuo e eficiência operacional em ambientes caracterizados por dinâmicas desafiantes, abrindo caminhos promissores para o desenvolvimento de novos paradigmas de controladores.