La precisión del posicionamiento de un brazo mecánico pesado aéreo en una mina de carbón, como un perno de techo, es importante para la eficiencia y seguridad de la minería de carbón. Su precisión de posicionamiento se ve afectada no solo por errores geométricos sino también por errores no geométricos como la conformidad de enlaces y articulaciones. En este documento, se propone un nuevo método de calibración basado en el algoritmo genético limitado por errores (ELGA) y la máquina de aprendizaje extremo regularizada (RELM) para mejorar la precisión de posicionamiento de un perno de techo. Para lograr la mejora, primero se implementa ELGA para identificar los parámetros geométricos del modelo cinemático del perno de techo. Luego, los errores residuales de posicionamiento causados por hechos no geométricos se compensan con la red de aprendizaje extremo regularizada (RELM). Se realizaron experimentos para validar el método de calibración propuesto. Los resultados experimentales muestran que el error cuadrático medio () y el error absoluto medio (MAE) entre la posición real del extremo del mástil y la posición nominal del extremo del mástil se reducen en más del 78.23%. También muestra que el error absoluto máximo (MAXE) entre la posición real del extremo del mástil y la posición nominal del extremo del mástil se reduce en más del 58.72% en las tres direcciones del sistema de coordenadas cartesianas.