Esta investigación se centra en la cuestión crucial de determinar fuerzas de masaje seguras y adecuadas para robots de masaje abdominal. Lo hace construyendo modelos físicos de tejidos blandos de rigidez variable y diseñando un algoritmo de predicción basado en aprendizaje automático. Se reclutaron doce voluntarios sanos con diversos tipos de cuerpo (bajo peso, estándar, sobrepeso). Se utilizó una plataforma experimental autodesarrollada para recopilar datos mecánicos de alta precisión. Se formularon dos modelos físicos para describir la relación no lineal entre la fuerza y el desplazamiento de los tejidos blandos abdominales. El Modelo 1 se basó en una función exponencial, y el Modelo 2 se basó en una función de potencia. El Modelo 1 mostró una mayor precisión para los tipos de cuerpo estándar (R > 0.95 en el 72.22% de los puntos de datos) y los tipos de cuerpo bajo peso (R > 0.95 en el 100% de los puntos de datos). En contraste, el Modelo 2 se ajustó mejor a los individuos con sobrepeso (R > 0.95 en el 47.06% de los puntos de datos). Además, se desarrolló un algoritmo de aprendizaje automático basado en transformadores. Este algoritmo predice las fuerzas de interacción utilizando características antropométricas y fisiológicas. Logró una precisión del 92.60% dentro de una profundidad de presión de 0-15 mm. En la mayoría de las situaciones, especialmente en predicciones de rango completo (con una precisión del 58.60%), el algoritmo superó a ambos modelos físicos. Este estudio presenta un marco dual que combina modelado biomecánico y algoritmos impulsados por datos. Establece las bases teóricas y prácticas para un control de fuerza seguro y adaptable en la robótica de masaje abdominal.