El trabajo presenta un enfoque de modelado cinemático basado en datos para robots de origami físicos, los cuales presentan desafíos de control debido a su elasticidad inherente y grados de libertad "ocultos". El estudio introduce una articulación esférica multibucle compuesta por dos estructuras waterbomb en paralelo, equipada con cuatro actuadores que permiten controlar tres rotaciones y compensar la deformación del material. Para superar la insuficiencia de los modelos de cuerpo rígido tradicionales, se implementó una red neuronal para aprender la cinemática directa a partir de un conjunto de datos reducido recolectado mediante captura de movimiento. Posteriormente, la cinemática inversa se resolvió mediante un método de optimización por muestreo de entropía cruzada, logrando precisiones angulares superiores a los 5° y tiempos de inferencia aptos para aplicaciones en tiempo real. La viabilidad práctica del sistema se validó mediante el desarrollo de un joystick de origami con retroalimentación de fuerza para el control de drones, permitiendo a los usuarios percibir colisiones mediante señales táctiles. Este avance demuestra que el modelado basado en datos facilita el diseño de interfaces compactas y seguras para la interacción humano-robot, gestionando eficazmente la complejidad mecánica de las estructuras plegables.