Una de las razones por la falta de robots de servicio de escaleras comerciales es el riesgo y el impacto severo de caer por las escaleras. Por lo tanto, el desarrollo de mecanismos robustos de mitigación de daños por caídas es importante para la adopción comercial de robots de escaleras, lo que a su vez requiere un modelo robusto de detección de caídas. Se optó por un enfoque basado en aprendizaje automático debido a su compatibilidad con el escenario dado y su potencial para un mayor desarrollo, eligiendo el flujo óptico como medio de detección. Debido a los costos, la complejidad y el potencial daño del sistema de compilar conjuntos de datos de entrenamiento físicamente, se utilizó la simulación para generar dicho conjunto de datos, y el enfoque fue verificado evaluando los modelos producidos con datos de experimentos con una configuración física. Este enfoque, que produce modelos de detección de caídas entrenados puramente con datos generados por simulación basados en la física, es capaz de crear modelos que pueden clasificar datos reales de caídas con un promedio de precisión categórica del 79.89% y detectar la ocurrencia de caídas con un 99.99% de precisión sin necesidad de modificaciones adicionales, lo que lo hace fácil y, por lo tanto, atractivo para la adopción comercial. También se realizó un estudio para estudiar los efectos de los objetos en movimiento en la detección de caídas por flujo óptico, y mostró que los objetos en movimiento tienen un impacto mínimo o nulo en el flujo óptico disperso en un entorno con características suficientes. Se propone una medida activa de mitigación de daños por caídas basada en los modelos desarrollados con este método.