Los sensores de fibra óptica son altamente prometedores en aplicaciones de detección de robots blandos, pero los métodos de detección basados en la reconstrucción basada en la geometría limitan la capacidad y el alcance de detección. En este estudio, se presenta un sensor de fibra óptica con una estrategia de despliegue diferente para la detección indirecta para monitorear la postura externa de un manipulador blando. La curvatura de la estructura de soporte interna fue medida utilizando el sensor FBG, y su mapeo a la pose externa fue modelado utilizando una red LSTM modificada. Se asumió que el error seguía una distribución gaussiana en la red neuronal LSTM y fue rectificado mediante estimación de máxima verosimilitud para abordar el problema del ruido generado durante la transferencia de deformación y la detección de curvatura de la estructura blanda. Para el manipulador blando, se demostró el rendimiento de detección del modelo de red. El error absoluto promedio del método propuesto para la detección de postura fue un 63.3% menor que el error antes de la optimización, y el error cuadrático medio fue un 56.9% menor que el error antes de la optimización. Los resultados de comparación entre el experimento y la simulación demuestran la viabilidad de la medición indirecta de la postura de la estructura blanda utilizando sensores FBG basados en el método basado en datos, así como el impacto significativo del método de optimización de error basado en la suposición de distribución gaussiana.