Para resolver los problemas de interferencia repetitiva y no repetitiva en el flujo de trabajo del Vehículo Guiado Automáticamente (AGV), se utiliza el Control de Aprendizaje Iterativo (ILC) combinado con un Observador de Estado Extendida Lineal (LESO) para mejorar la precisión de control del motor de tracción del AGV. Considerando las condiciones de trabajo del AGV, se analizan las características de carga del motor de tracción con las que se establece el modelo matemático del sistema del motor. Luego se obtienen las ecuaciones del espacio de estado extendido de tercer orden del modelo aproximado del sistema, en el que se diseña el LESO para estimar los estados del sistema y la perturbación total. Para la repetibilidad del flujo de trabajo del AGV, se diseña el ILC para mejorar la precisión de control. Dado que la masa de los bienes transportados cada vez no es la misma, se utiliza el LESO para estimar la perturbación de carga no repetitiva en tiempo real y compensar la perturbación del sistema para mejorar la precisión de posición. También se verifica la convergencia del algoritmo combinado. Los resultados de simulación y experimentales muestran que la estrategia de control de aprendizaje iterativo propuesta basada en LESO puede reducir el error de posicionamiento en el flujo de trabajo del AGV y mejorar el rendimiento del sistema.