La seguridad es un tema muy necesario que debe ser considerado durante la colaboración entre humanos y robots en el mismo espacio de trabajo o área. En este manuscrito, se desarrolla un modelo autorregresivo no lineal con una red neuronal de entradas exógenas (NARXNN) para la detección de colisiones entre un manipulador y un humano. El diseño del NARXNN depende de la dinámica de las articulaciones del manipulador y considera solo las señales de los sensores de posición que son intrínsecos a las articulaciones del manipulador. Por lo tanto, esta red podría aplicarse y utilizarse con cualquier robot convencional. Los datos utilizados para entrenar el NARXNN diseñado se generan a partir de dos experimentos que consideran el movimiento sinusoidal de las articulaciones del manipulador. El primer experimento se ejecuta utilizando un movimiento libre de contacto, mientras que en el segundo experimento se realizan colisiones aleatorias con las manos humanas contra el robot. El proceso de entrenamiento del NARXNN se lleva a cabo utilizando el algoritmo de Levenberg-Marquardt en MATLAB. La evaluación y la efectividad (%) del método desarrollado se investigan teniendo en cuenta diferentes datos y condiciones de los datos utilizados para el entrenamiento. Los experimentos se ejecutan utilizando el manipulador KUKA LWR IV. Los resultados demuestran que el método entrenado es eficiente en la estimación del par externo de las articulaciones y en la detección correcta de las colisiones. Finalmente, se presenta una comparación entre el NARXNN propuesto y otras arquitecturas de redes neuronales presentadas en nuestro trabajo anterior.