Los robots asistentes de comida forman una parte muy importante del sector de la robótica asistencial, ya que la autoalimentación es una actividad prioritaria de la vida diaria (ADL) para las personas que sufren discapacidades físicas como la tetraplejía. Una rápida encuesta de las tendencias actuales en este ámbito revela que, aunque se ha avanzado enormemente en el desarrollo de robots asistenciales para la alimentación de alimentos sólidos, la tarea de alimentar líquidos de una taza sigue estando en gran medida subdesarrollada. Por lo tanto, este documento describe un robot asistencial que se centra específicamente en la alimentación de líquidos de una taza utilizando retroalimentación táctil a través de sensores de fuerza con interacción directa humano-robot (HRI). El enfoque principal de este documento es la aplicación del aprendizaje por refuerzo (RL) para aprender cuáles son las mejores acciones robóticas, basándose en la fuerza aplicada por el usuario. Se desarrolla un modelo del entorno de aplicación basado en el proceso de decisión de Markov y se diseña un procedimiento de entrenamiento de software para un desarrollo y prueba rápidos. Se investigan cinco de los algoritmos de RL más comúnmente utilizados, con la intención de encontrar el mejor ajuste para el entrenamiento, y el sistema se prueba en un estudio experimental. Los resultados preliminares muestran un alto grado de aceptación por parte de los participantes. La retroalimentación de los usuarios indica que el robot asistencial funciona de manera intuitiva y efectiva.