การควบคุมหุ่นยนต์บินให้บินอัตโนมัติเป็นเรื่องที่ค่อนข้างยาก นักวิจัยส่วนใหญ่จะประสพความสำเร็จในการควบคุม หุ่นยนต์ประเภทนี้เฉพาะในระบบจำลองเท่านั้น มีส่วนน้อยที่จะสามารถนำมาพัฒนากับหุ่นยนต์บินจริงได้สำเร็จ ในการที่จะ ควบคุมให้หุ่นยนต์บินสามารถทำงานได้ในแบบอัตโนมัตินั้น จำเป็นจะต้องควบคุมทั้งมุมและตำแหน่งของหุ่นยนต์ ใน โครงการวิจัยนี้นักวิจัยได้ทดลองควบคุมหุ่นยนต์บินโดยใช้วิธีการควบคุมต่าง ๆ ที่เคยมีมา แต่พบว่าประสิทธิภาพไม่เป็นที่พอใจ ดังนั้นนักวิจัยจึงได้วิจัยค้นคว้าหาวิธีการควบคุมใหม่ที่เหมาะสมกับหุ่นยนต์บินโดยเฉพาะ ผลจากการทดลองพบว่าประสิทธิภาพ ของการควบคุมหุ่นยนต์บินเป็นที่น่าพอใจหากมุมของหุ่นยนต์บินจะถูกควบคุมโดยใช้ Neuro-Fuzzy Control (NFC) ในขณะที่ ตำแหน่งของหุ่นยนต์จะใช้วิธีการควบคุมแบบผสมผสานกัน โดยวิธีควบคุมดังกล่าวใช้ชื่อว่า “Hybrid Adaptive Neuro-Fuzzy Model Reference Control (Hybrid-ANFMRC) ” ระบบควบคุมแบบ Neuro-Fuzzy จะถูกออกแบบโดยใช้ข้อมูลจากการบินจริง ของหุ่นยนต์ ในขณะที่การควบคุมแบบ Hybrid-ANFMRC จะเรียนรู้และปรับตัวเองเพื่อให้ได้ลักษณะการตอบสนองตาม Reference Model ที่กำหนด ในขณะเดียวกันก็จะให้ผลการตอบสนองที่ดีและคา steady state error เป็นศูนย์ ประสิทธิภาพของ ระบบควบคุมที่ได้เสนอจะพิสูจน์โดยผลที่ได้จากการทดลอง Control of 6-DOF fully autonomous helicopter type flying robot is very difficult. Many researchers verified their control algorithms only on simulation. There are very few success experiments on fully control of the flying robot. In order to make the robot fly autonomously, the attitude and position controls are needed. In this research project, performance of the existing control algorithms was investigated. It was found that their performance was not satisfied to control fully autonomous flying robot. The researchers in this project propose new control algorithms which are specifically designed to control 6-DOF fully autonomous flying robot. Neuro-fuzzy controllers (NFC) are proposed to control roll, pitch and yaw angles of the flying robot, while the hybrid adaptive neuro-fuzzy model reference control (Hybrid-ANFMRC) is proposed to control the robot’s position. The attitude controllers are trained offline to reduce roll, pitch and yaw errors. Position control in the flying robot applies a hybrid technique called, “hybrid adaptive neuro-fuzzy model reference control”. The position controller learns online to track the velocity reference model, while trying to obtain smooth response and zero steady state error. Robustness design of the proposed control algorithm is addressed by testing in the experiments under various ranges of the controller gains. The experimental results show the satisfactory performance of the proposed control algorithm.