Los accidentes por resbalones y caídas son la principal causa de lesiones para todas las edades, y de lesiones fatales en adultos mayores de 65 años. Diversos factores, como las condiciones y contaminantes de la superficie del piso, los patrones de la suela de los zapatos y el comportamiento de la marcha, afectan el riesgo de resbalones. Además, la fricción entre las suelas de los zapatos y el piso cambia continuamente a medida que sus superficies se desgastan con el tiempo. Sin embargo, la evaluación continua de la resistencia al deslizamiento es muy desafiante con las técnicas de medición convencionales. Este estudio aborda este desafío al introducir un enfoque novedoso que combina la tecnología de fusión de sensores y técnicas de aprendizaje automático para crear plantillas inteligentes diseñadas para predecir el riesgo de caídas. Además, se desarrolló y utilizó un simulador de resbalones de última generación, capaz de imitar el movimiento del pie durante un resbalón, para evaluar la resbalosidad entre varios zapatos y superficies de piso. La adquisición de datos involucró la recopilación de datos de presión y aceleraciones tridimensionales utilizando plantillas de zapatos instrumentadas, complementadas por mediciones de coeficiente de fricción a través del simulador de resbalones. El conjunto de datos recopilado incluye cuatro tipos de zapatos, tres superficies de piso y cuatro condiciones de superficie, incluyendo seco, mojado, jabonoso y aceitoso. Después del preprocesamiento del conjunto de datos recopilado, el simulador se utilizó para entrenar cinco algoritmos de aprendizaje automático diferentes para la clasificación del riesgo de resbalones. Los algoritmos entrenados proporcionaron resultados prometedores para la predicción del riesgo de resbalones para diferentes condiciones, ofreciendo el potencial de ser empleados en la predicción del riesgo de resbalones en tiempo real y la mejora de la seguridad.