Los robots en lugar de humanos trabajan en entornos no estructurados, ampliando el alcance del trabajo humano. Las interacciones entre humanos y robots son indirectas a través de terminales de operación. Las cargas mentales de los humanos aumentan con la falta de percepción directa de las escenas reales. Por lo tanto, la evaluación de la carga mental es importante, lo que podría evitar efectivamente accidentes graves causados por la sobrecarga mental. En este documento, el objeto de operación es un robot de doble brazo. La clasificación de la carga mental del operador se estudia utilizando la señal de variabilidad de la frecuencia cardíaca (HRV). Primero, se recopilan dos tipos de señales de electrocardiograma (ECG) de seis sujetos que realizaron tareas o mantuvieron un estado relajado. Luego, se obtienen datos de HRV a partir de las señales de ECG y se extraen 20 tipos de características de HRV. Por último, se utilizan seis clasificaciones diferentes para la clasificación de la carga mental. Utilizando la señal de HRV de cada sujeto para entrenar el modelo, se clasifica la carga mental del sujeto. Se obtiene una precisión de clasificación promedio del 98.77% utilizando el método de Vecino más Cercano (KNN). Al utilizar la señal de HRV de cinco sujetos para el entrenamiento y la de un sujeto para las pruebas con el método Gentle Boost (GB), se obtiene la precisión de clasificación promedio más alta (80.56%). Este estudio tiene implicaciones para el análisis de las señales de HRV características de la carga mental en diferentes sujetos, lo que podría mejorar el bienestar y la seguridad de los operadores en el proceso de interacción humano-robot.