El mecanizado robótico es una tecnología prometedora para el post-procesamiento de grandes piezas fabricadas aditivamente. Sin embargo, la aplicabilidad y eficiencia de los procesos de mecanizado basados en robots están restringidas por inestabilidades dinámicas (por ejemplo, debido a excitaciones externas o vibraciones regenerativas). Para prevenir tales inestabilidades, la dinámica estructural dependiente de la pose del robot debe ser modelada con precisión. Para ello, se propone un nuevo enfoque de fusión de información basado en datos: el comportamiento espacial de los parámetros modales del robot se modela en un plano horizontal utilizando técnicas de aprendizaje automático probabilístico. Una formulación probabilística permite también una estimación de las incertidumbres del modelo, lo que aumenta la fiabilidad y robustez del modelo. Para aumentar el rendimiento predictivo, se aprovecha un esquema de fusión de información: la información de un modelo de cuerpo rígido del comportamiento fundamental de la dinámica estructural del robot se fusiona con un número limitado de propiedades modales estimadas a partir de análisis modal experimental. Los resultados indican que tal enfoque permite un método de modelado fácil de usar y eficiente, y proporciona predicciones fiables de la dinámica direccional del robot dentro de un amplio dominio de modelado.