Los robots suaves demuestran ventajas significativas en aplicaciones dentro de entornos complejos debido a sus propiedades materiales únicas y diseños estructurales. Sin embargo, también enfrentan desafíos en el diagnóstico de fallas, como la no linealidad, la variabilidad temporal y la dificultad de modelado preciso. Para abordar estos problemas, este artículo propone un método de diagnóstico de fallas basado en características espaciotemporales multimodales y aprendizaje en conjunto. Primero, se utiliza un filtro de Kalman de ventana deslizante para eliminar la interferencia de ruido de señales de múltiples fuentes, construyendo espacios de representación temporal y espacial separados. Posteriormente, se aplica una estrategia de peso adaptativo para la fusión de características para entrenar un modelo de árbol de decisión heterogéneo, seguido de un mecanismo de votación ponderada dinámica basado en niveles de confianza para obtener resultados de diagnóstico. Este método optimiza el proceso de extracción y fusión de características en etapas, combinado con una estrategia de conjunto dinámica. Los resultados experimentales indican una mejora significativa en la precisión del diagnóstico y la robustez del modelo, logrando una identificación precisa de fallas en robots suaves.