Bài báo này điều tra việc sử dụng Thuật toán Dơi (BAT) để tối ưu hóa các tham số điều khiển trong bộ điều khiển robot sử dụng Mạng Chức năng Cơ sở Radial (RBFN). Các nghiên cứu trước đây thường chọn các hệ số học tập dựa trên kinh nghiệm, điều này thường yêu cầu thời gian đáng kể để tìm các hệ số đáp ứng yêu cầu của vấn đề điều khiển và không đảm bảo tính tối ưu. Thuật toán Dơi (BAT), lấy cảm hứng từ việc dơi sử dụng định vị bằng tiếng vang để điều hướng, đã được áp dụng để tối ưu hóa toàn cầu các hệ số học tập cho RBFN. Kết quả mô phỏng cho thấy sự cải thiện đáng kể về tốc độ hội tụ và chất lượng điều khiển so với các phương pháp truyền thống.This paper investigates the use of the Bat Algorithm (BAT) to optimize control parameters in a robot controller utilizing Radial Basis Function Networks (RBFN). Previous studies often se-lected learning coefficients based on experience, which typically required significant time to find coefficients that meet the control problem's requirements and did not guarantee optimality. The Bat Algorithm (BAT), inspired by bats' use of echolocation for navigation, has been applied to globally optimize the learning coefficients for the RBFN. Simulation results show significant improvements in convergence speed and control quality compared to traditional methods.