La mejora del confort en la interacción humano-robot para los receptores de cuidados es un desafío significativo en el desarrollo de robots de enfermería. Los métodos existentes para mejorar el confort dependen en gran medida de cuestionarios de confort subjetivos, que son propensos a errores inevitables. Además, los enfoques tradicionales de control de movimiento pasivo carecen de la capacidad de adaptarse y mejorar efectivamente el confort del receptor de cuidados. Para abordar estos problemas, este documento propone un método de control inteligente activo y personalizado basado en redes neuronales. Se establece un modelo de predicción de activación muscular para el robot de transferencia a caballito, lo que permite ajustes dinámicos durante el proceso de cuidado para mejorar el confort humano. Inicialmente, se realiza un análisis cinemático del robot de transferencia a caballito para determinar la trayectoria óptima de carga en la espalda. Se llevaron a cabo experimentos para medir las fuerzas de contacto humano-robot, los ángulos de rotación del soporte del pecho y los niveles de activación muscular. Posteriormente, se utiliza un algoritmo de Máquina de Aprendizaje Extremo Secuencial en Línea (OS-ELM) para entrenar un modelo predictivo. El modelo toma las fuerzas de contacto y el ángulo de rotación del soporte del pecho como entradas, mientras que produce los niveles de activación del músculo dorsal ancho como salida. Luego, se emplea el Algoritmo Genético (GA) para ajustar dinámicamente el ángulo de rotación del soporte del pecho y minimizar la diferencia entre la activación muscular real y el umbral de confort. Experimentos comparativos demuestran que el método de control activo basado en ELM-GA propuesto mejora efectivamente el confort durante el proceso de transferencia a caballito, como lo evidencian tanto la retroalimentación subjetiva como las mediciones objetivas de la activación muscular.