La manipulación de objetos pesados en las industrias es muy necesaria, pero la manipulación manual es tediosa, afecta negativamente la salud y seguridad de los trabajadores y reduce la eficiencia. Por el contrario, los robots autónomos no son flexibles para manipular objetos pesados. Por lo tanto, proponemos sistemas humano-robot, como los sistemas de asistencia de potencia, para manipular objetos pesados en las industrias. Nuevamente, la selección de métodos de control apropiados, así como la inclusión de factores humanos en los controles, es importante para hacer que los sistemas sean amigables para los humanos. Sin embargo, los sistemas de asistencia de potencia existentes no abordan estos problemas adecuadamente. Por lo tanto, presentamos un sistema robótico de asistencia de potencia de prueba de 1-DoF (grado de libertad) para levantar diferentes objetos. También incluimos un factor humano, como la percepción del peso (una señal cognitiva), en la dinámica del sistema robótico y derivamos varias estrategias/métodos de control de posición y fuerza para el sistema basados en la dinámica centrada en el ser humano. Desarrollamos un método de aprendizaje por refuerzo para predecir los parámetros de control que producen el mejor rendimiento de control óptimo. También derivamos un nuevo algoritmo de control adaptativo basado en características humanas. Evaluamos experimentalmente esos métodos de control y comparamos el rendimiento del sistema entre los métodos de control. Los resultados mostraron que tanto el control de posición como el de fuerza produjeron un rendimiento satisfactorio, pero el control de posición produjo un rendimiento significativamente mejor que los controles de fuerza. Luego propusimos utilizar los resultados para diseñar métodos de control para sistemas robóticos de asistencia de potencia para manejar materiales y objetos grandes y pesados en diversas industrias, lo que podría mejorar las interacciones humano-robot (IHR) y el rendimiento del sistema.