El sistema de bucle cerrado humano-robot requiere el desarrollo de un controlador robótico efectivo que considere modelos tanto del humano como del robot, así como la adaptación del humano al robot. Este documento desarrolla un controlador de nivel medio que proporciona políticas de asistencia según sea necesaria (AAN) en un entorno de control jerárquico utilizando dos métodos novedosos: basado en modelos y reglas de lógica difusa. El objetivo de AAN es proporcionar el par adicional requerido debido a la dinámica del robot y la carga externa en comparación con el movimiento libre de la extremidad humana. La adaptación humano-robot se simula utilizando un controlador predictivo no lineal (NMPC) como el sistema nervioso central (CNS) humano para tres condiciones de experiencia inicial (la sesión inicial de uso del robot, sin ninguna experiencia previa), a corto plazo (toda la primera sesión, por ejemplo, 45 minutos) y a largo plazo. Los resultados mostraron que los dos métodos (basado en modelos y lógica difusa) superan al método proporcional tradicional en la provisión de AAN al considerar modelos distintivos de humano y robot. Además, el modelo del actuador del CNS tiene dificultades en la experiencia inicial y activa tanto los músculos antagonistas como los agonistas para reducir las oscilaciones del movimiento. En la experiencia a largo plazo, la simulación muestra que no hay oscilaciones cuando el NMPC del CNS aprende el modelo del robot y modifica sus pesos para simular un comportamiento humano realista. Encontramos que la fuerza deseada del robot debe aumentarse gradualmente para ignorar interacciones inesperadas entre el humano y el robot (por ejemplo, vibración del robot, espasticidad humana). Los controladores de nivel medio propuestos pueden utilizarse para dispositivos de asistencia portátiles, exoesqueletos y robots de rehabilitación.