Los modelos inspirados físicamente de la naturaleza estocástica de la interacción humano-robot-entorno son generalmente difíciles de derivar a partir de principios fundamentales, por lo que los enfoques alternativos basados en datos son una opción atractiva. En este artículo, se utiliza la regresión de procesos gaussianos para modelar una maniobra de parada segura para un robot teleoperado. En el enfoque propuesto, se adquiere un número limitado de puntos de datos experimentales discretos para ajustar (o aprender) un modelo de proceso gaussiano, que luego se utiliza para predecir la evolución del proceso en un rango continuo deseado (o dominio). Se utiliza una medida de confianza para esas predicciones como un parámetro de ajuste en un algoritmo de control compartido, y se demuestra que puede ser utilizado para asistir a un operador humano proporcionando (evitación de obstáculos de bajo nivel) cuando utiliza el robot para llevar a cabo tareas críticas de seguridad que implican navegación remota utilizando el robot. El algoritmo se personaliza en el sentido de que puede ajustarse para coincidir con el estilo de conducción específico de la persona que está teleoperando el robot sobre un terreno específico. Los resultados experimentales demuestran que, con el controlador compartido propuesto habilitado, el operador humano puede maniobrar más fácilmente el robot en entornos con obstáculos estáticos (potencialmente peligrosos), manteniendo así el robot seguro y preservando el estado original del entorno. La evolución futura de este trabajo será aplicar este controlador compartido a robots móviles que se están desplegando para inspeccionar entornos nucleares peligrosos, asegurando que operen con mayor seguridad.