Un sistema de control de un robot autónomo produce una señal de control basada en retroalimentación. Este tipo de control implica el control de un objeto de acuerdo a su estado, que matemáticamente es el problema de síntesis de control. Hoy en día no existen métodos analíticos universales para resolver el problema de síntesis general, y se resuelve mediante ciertos enfoques particulares dependiendo del tipo de objeto de control. En este artículo, proponemos un enfoque numérico universal para resolver el problema de control óptimo con retroalimentación utilizando métodos de aprendizaje automático basados en regresión simbólica. El enfoque es universal y se puede aplicar a varios objetos. Sin embargo, el uso de métodos de aprendizaje automático impone dos aspectos. Primero, al usarlos, es necesario reducir los requisitos de optimalidad. En el aprendizaje automático se utilizan algoritmos de optimización, pero no se buscan soluciones estrictamente óptimas. En segundo lugar, en el aprendizaje automático, no se requieren pruebas analíticas de las propiedades recibidas de las soluciones. En los métodos de aprendizaje automático, se realiza un conjunto de pruebas y se muestra que esto es suficiente para lograr las propiedades requeridas. Por lo tanto, en este artículo, presentamos inicialmente los fundamentos del control de aprendizaje automático, introducimos los conceptos básicos, propiedades y criterios de máquina para la aplicación de esta técnica. Luego, con respecto a las notaciones introducidas, se considera el problema de control óptimo de retroalimentación y se reformula para añadir a la declaración del problema que tal propiedad ajusta tanto los requisitos de estabilidad como de optimalidad. A continuación, se presenta una descripción del enfoque propuesto, se dan formulaciones teóricas y se demuestra su eficiencia en ejemplos computacionales en tareas de control de robot móvil.