Los propulsores sólidos compuestos a base de poli(butadieno) terminado en hidroxilo (HTPB) se utilizan extensamente en aplicaciones aeroespaciales y de defensa debido a su alta densidad de energía, estabilidad térmica y procesabilidad. Sin embargo, la presencia de componentes energéticos altamente sensibles en sus formulaciones conlleva un riesgo significativo de ignición accidental bajo descarga electrostática, lo que plantea serias preocupaciones de seguridad durante el almacenamiento, transporte y manipulación. Para abordar este problema, este estudio explora la predicción de la sensibilidad electrostática en los propulsores HTPB utilizando técnicas de aprendizaje automático. Se empleó un conjunto de datos que comprende 18 formulaciones experimentales para entrenar y evaluar seis modelos de aprendizaje automático. Entre ellos, el modelo de Bosque Aleatorio (RF) logró la mayor precisión predictiva (R = 0.9681), demostrando una fuerte capacidad de generalización a través de la validación cruzada leave-one-out. El análisis de importancia de características utilizando métodos SHAP e índice de Gini reveló que el aluminio, el catalizador y el perclorato de amonio fueron los factores más influyentes. Estos hallazgos proporcionan un enfoque basado en datos para predecir con precisión la sensibilidad electrostática y ofrecen una valiosa orientación para el diseño racional y la optimización de la seguridad de las formulaciones de propulsores a base de HTPB.