A medida que los sistemas se automatizan más, el operador humano a menudo es pasado por alto. Aunque la interacción humano-robot (HRI) puede ser bastante exigente en términos de recursos cognitivos, los estados mentales (MS) de los operadores aún no son tenidos en cuenta por los sistemas existentes. Dado que los humanos no son agentes providenciales, esta falta puede llevar a situaciones peligrosas. El creciente número de herramientas de neurofisiología y aprendizaje automático ahora permite un monitoreo eficiente de los MS de los operadores. Por lo tanto, enviar retroalimentación sobre los MS en una solución de bucle cerrado está al alcance. Involucrar una técnica de planificación automatizada consistente para manejar tal proceso podría ser un activo significativo. Este artículo de perspectiva tenía como objetivo proporcionar al lector una síntesis de la literatura significativa con miras a implementar sistemas que se adapten a los MS del operador para mejorar la seguridad y el rendimiento de las operaciones humano-robot. En primer lugar, se detalla la necesidad de este enfoque en relación con la operación remota, un ejemplo de HRI. Luego, se definen varios MS identificados como cruciales para este tipo de HRI, junto con marcadores electrofisiológicos relevantes. Se hace hincapié en los MS degradados primarios vinculados al tiempo en la tarea y las demandas de la tarea, así como en los MS colaterales vinculados a las salidas del sistema (es decir, retroalimentación y alarmas). Por último, se detalla el principio de HRI simbiótica y se propone una solución para incluir el vector de estado del operador en el sistema utilizando un marco decisional de iniciativa mixta para impulsar tal interacción.