Tesis por compendio / [ES] La era actual se caracteriza por una creciente población envejecida debido al aumento de la esperanza de vida y a una tasa de natalidad en declive. Este cambio demográfico conlleva un aumento de las discapacidades, lo que enfatiza la importancia del envejecimiento saludable y la capacidad funcional. En respuesta a estos desafíos, se están explorando metodologías de asistencia innovadoras, particularmente en la integración de la interacción física humano-robot. Los Robots Paralelos (PRs) son cadenas cinemáticas cerradas que exhiben ventajas para la rehabilitación de extremidades humanas, gracias a su rigidez, precisión y robustez. Sin embargo, su modelado complejo y la presencia de singularidades dentro del espacio de trabajo plantean un desafío para garantizar una interacción segura y efectiva. Este documento propone una colección de nuevos algoritmos de control utilizando un PR que cubren un amplio espectro de aplicaciones dentro del contexto de la robótica asistencial, que van desde el entrenamiento pasivo (en el que el usuario no genera los movimientos, por lo que se induce un esfuerzo mínimo o nulo) hasta ejercicios activos (que requieren contracciones musculares voluntarias del paciente) y aumento de potencia. El primer algoritmo aborda el desafío del seguimiento de trayectorias con un controlador basado en modelos con intercambio de fuerzas entre el humano y el robot en ausencia de un sensor de fuerza. Al incluir un mecanismo para estimar esta fuerza de interacción en línea utilizando Mínimos Cuadrados (LS) dentro del modelo, se proporciona información valiosa para terapeutas u otros algoritmos, y reduce continuamente los errores de seguimiento corrigiendo el modelo dinámico en línea. En situaciones de entrenamiento activo, los controladores basados en fuerza son esenciales para responder a las interacciones. La tesis incorpora un control de admitancia con un sensor de fuerza. A pesar de los beneficios de esta interacción, existen riesgos asociados con la modificación de las trayectorias del robot por parte del humano, debido a la presencia de singularidades dentro del espacio de trabajo que se deben evitar para garantizar la seguridad del paciente. Se utilizan las Primitivas de Movimiento Dinámico (DMP) para codificar la trayectoria inicial, que puede modificarse con términos de acoplamiento para lograr ambos objetivos de control de admitancia y evasión de singularidades simultáneamente. En las primeras etapas de la rehabilitación, los pacientes pueden carecer de habilidades motoras debido a una lesión, por lo que se deben emplear ejercicios pasivos. Esta investigación propone un mecanismo inteligente para ejercicios pasivos que permite a los usuarios regresar a posiciones seguras previas y reanudar el ejercicio de manera autónoma. La inversión de trayectoria se logra con las Primitivas de Movimiento Dinámico Reversibles (RDMP). El enfoque implica codificar el comportamiento esperado utilizando datos de la extremidad sana análoga y revertir la trayectoria cuando el miembro lesionado se desvía de los patrones, bajo el paradigma de Aprendizaje por Imitación. Por último, los modelos musculoesqueléticos desempeñan un papel crucial en la estimación de las fuerzas musculares del usuario, siendo de gran utilidad integrados en controladores en el espacio muscular. Estos controladores pueden aplicarse tanto en contextos de aumento de potencia como de rehabilitación. En el aumento de potencia, el concepto de manipulabilidad describe la capacidad del humano para ejercer fuerzas en cualquier dirección. Lograr una manipulabilidad isotrópica es deseable para mantener una activación muscular constante, y este estudio investiga su representación mediante un concepto novedoso llamado envolvente de fuerza. Además, esta investigación explora el uso de controladores musculares en entornos de asistencia o rehabilitación, mediante un controlador en bucle cerrado diseñado para inducir fuerzas de tensión específicas en los músculos. / [CA] L'era actual es caracteritza per una creixent població envellida a causa de l'augment de l'esperança de vida i una taxa de natalitat en declivi. Aquest canvi demogràfic comporta un augment de les discapacitats, la qual cosa destaca la importància de l'envelliment saludable i la capacitat funcional. En resposta a aquests reptes, s'estan explorant metodologies d'assistència innovadores, particularment en la integració de la interacció física humà-robot. Els Robots Paral·lels (PRs) són cadenes cinemàtiques tancades que exhibeixen avantatges per a la rehabilitació d'extremitats humanes, gràcies a la seua rigidesa, precisió i robustesa. No obstant això, el seu modelatge complex i la presència de singularitats dins de l'espai de treball planteja un desafiament per a garantir una interacció segura i efectiva. Aquest document proposa una col·lecció de nous algoritmes de control utilitzant un PR que cobreixen un ampli espectre d'aplicacions dins del context de la robòtica assistencial, que van des de l'entrenament passiu (en el qual l'usuari no genera els moviments, per la qual cosa s'indueix un esforç mínim o nul) fins a exercicis actius (que requereixen contraccions musculars voluntàries del pacient) i augment de potència. El primer algoritme aborda el desafiament del seguiment de trajectòries amb un controlador basat en models amb intercanvi de forces entre l'ésser humà i el robot en absència d'un sensor de força. En incloure un mecanisme per estimar aquesta força d'interacció en línia utilitzant Mínims Quadrats (LS) dins del model, es proporciona informació valuosa per a terapeutes o altres algoritmes, i redueix contínuament els errors de seguiment corregint el model dinàmic en línia. En situacions d'entrenament actiu, els controladors basats en força són essencials per respondre adequadament a les interaccions. La tesi incorpora un control d'admitància amb un sensor de força. Malgrat els beneficis d'aquesta interacció, existeixen riscos associats amb la modificació de les trajectòries del robot per part de l'ésser humà, degut a la presència de singularitats dins de l'espai de treball que s'han de evitar per garantir la seguretat del pacient. Les Primitives de Moviment Dinàmic (DMP) s'utilitzen per a codificar la trajectòria inicial, que es pot modificar amb termes d'acoblament per aconseguir ambdós objectius de control d'admitància i evitar les singularitats simultàniament. En les primeres etapes de la rehabilitació, els pacients poden mancar d'habilitats motrius a causa d'una lesió, per la qual cosa s'han d'emplear exercicis passius. Aquesta investigació proposa un mecanisme intel·ligent per a exercicis passius que permet als usuaris tornar a posicions segures prèvies i reprendre l'exercici de manera autònoma. La inversió de trajectòria s'aconsegueix amb les Primitives de Moviment Dinàmic Reversibles (RDMP). L'enfocament implica codificar el comportament esperat utilitzant dades de l'extremitat sana anàloga i revertir la trajectòria quan el membre lesionat es desvia dels patrons, sota el paradigma d'Aprenentatge per Imitació. Finalment, els models musculoesquelètics juguen un paper crucial en l'estimació de les forces musculars de l'usuari, sent de gran utilitat integrats en controladors en l'espai muscular. Aquests controladors es poden aplicar tant en contextos d'augment de potència com de rehabilitació. En l'augment de potència, el concepte de manipulabilitat descriu la capacitat de l'ésser humà per exercir forces en qualsevol direcció. Aconseguir una manipulabilitat isotròpica és desitjable per mantenir una activació muscular constant, i aquest estudi investiga la seua representación mitjançant un concepte innovador anomenat envolvent de força. A més, aquesta investigació explora l'ús de controladors musculars en entorns d'assistència o rehabilitació, mitjançant un controlador en bucle tancat dissenyat per induir forces de tensió específiques en els músculs. / [EN] The current era is characterized by a growing elderly population due to increased life expectancy and a declining birth rate. This demographic shift leads to a rise in disabilities, emphasizing the importance of healthy aging and functional ability. In response to these challenges, innovative assistive methodologies are being explored, particularly in the integration into physical human-robot interaction. Parallel Robots (PRs) are closed kinematic chains that exhibit unique advantages for human limb rehabilitation, thanks to their stiffness, accuracy, and robustness. However, their complex modeling and the presence of singularities within the workspace pose a challenge to ensure safe and effective interaction. This document proposes a collection of novel control algorithms using a PR to cover a wide spectrum of applications within the context of assistive robotics, ranging from passive training (in which the user does not generate the movements, so minimal to no effort is induced) to active exercises (requiring the patient's voluntary muscle contractions) and power augmentation. The first algorithm addresses the challenge of trajectory tracking with a model-based controller with force exchange between the human and the robot in the absence of a force sensor. By including a mechanism to estimate this interaction force online using Least Squares (LS) within the model, the algorithm provides valuable insight for therapists or other algorithms and continuously reduces tracking errors by correcting the dynamic model online. In active training scenarios, force-based controllers are essential to respond appropriately to interactions. The thesis incorporates an admittance controller with a force sensor. Despite the benefits of this interaction, there are risks associated with human modification of robot trajectories due to the presence of singularities within the workspace that must be avoided to ensure the patient's safety. Dynamic Movement Primitives (DMP) are employed to encode the initial trajectory, which can be modified with coupling terms to achieve both objectives of admittance control and singularity avoidance simultaneously. In the early stages of rehabilitation, patients may lack full motor skills due to the injury, so passive exercises should be employed. This research proposes an intelligent mechanism for passive exercises that allows users to return to previous safe positions and resume the exercise in a self-paced manner. The trajectory reversal is achieved with Reversible Dynamic Movement Primitives (RDMP). The approach involves encoding the expected behavior using data from the analogous healthy limb and reversing the trajectory when the injured limb deviates from the established statistical patterns. This approach aligns with the paradigm of Imitation Learning. Finally, musculoskeletal models play a crucial role in estimating the user's muscle forces, offering significant utility when integrated in controllers operating in muscular space. These controllers can be applied in both power augmentation and rehabilitation contexts. In power augmentation, the concept of manipulability describes the human's ability to exert forces in any direction. Achieving isotropic manipulability is desirable to maintain constant muscular activation, and this study investigates its representation with a novel concept called a force envelope. Furthermore, this research explores the use of muscle-targeted controllers in assistance or rehabilitation settings, by means of a closed-loop controller designed to induce specific tension forces in muscles. / This research was funded in part by Fondo Europeo de Desarrollo Regional (PID2021-125694OB-I00), and in part by Vicerrectorado de Investigación de la Universitat Politècnica de València (PAID-11-21). The author received a scholarship from Ministerio de Universidades, Gobierno de España, under grant Ayudas para la Formación de Profesorado Universitario (FPU18/05105). The author’s research stay at Jožef Stefan Institute was funded partly by Vicer- rectorado de Investigación de la Universitat Politècnica de València (PAID-11- 21), and partly by Erasmus+ Student Mobility for Traineeship 2020. / Escarabajal Sánchez, RJ. (2024). Design and Implementation of Model-Based and Learning Control for Rehabilitation Parallel Robots: Advancements and Performance Evaluation [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/214345 / Compendio