چکیده: یکی از زیرمجموعه های وسیع علم رباتیک، موضوع توانبخشی است و فیزیوتراپی یکی از پرکاربردترین روش های توانبخشی است. تخمین نیروی عضلات در فیزیوتراپی، توانبخشی و ساخت وسایل کمکی کاربردهای فراوانی دارد. در برخی ربات های دستیار فیزیوتراپ، از نیروی تخمین زده شده توسط سیگنال های الکترومایوگرام سطحی (sEMG)، برای کنترل ربات، تشخیص بیماری، تعیین نوع درمان و شیوه فیزیوتراپی استفاده می شود. در این پژوهش برای تخمین نیروی ماهیچه ای توسط سیگنال‎های الکترومایوگرام سطحی، مدلی مبتنی بر رگرسیون بردار پشتیبان (SVR) به دو روش ε-SVR و υ-SVR پیشنهاد شده است. برای ارزیابی و مقایسه مدل پیشنهادی، از روش متداول شبکه عصبی (ANN) نیز استفاده گردید. سیگنال‎های sEMG طی انقباضات ایزومتریک زانو (کشش وخمش) که با ربات FUM-PHYSIO انجام شد، از ماهیچه های چهارسر رانی و همسترینگ ثبت گردید و همزمان با آن نیروی موردنظر توسط یک سنسور نیروی فشاری اندازه گیری شد. این دو سیگنال به ترتیب به عنوان داده های ورودی و هدف آموزشی مدل های مبتنی بر SVR و ANN، مورد استفاده قرار گرفتند. درنهایت این مدل ها بر روی افراد سالم تست شد و توسط مقادیر ریشه میانگین مربعات خطا (RMSE) و ضریب همبستگی (CC) بین نیروی پیش بینی شده و نیروی اندازه‎گیری شده، ارزیابی گردیدند. نتایج نشان می‎دهد هر دو روش SVR و ANN عملکرد خوبی در تخمین نیروی ماهیچه ای دارند اما مدل SVR تعمیم پذیری بهتر، دقت بیشتر و سرعت بالاتری نسبت به شبکه عصبی دارد. همچنین ملاحظه می شود مدل ε-SVR دقیق تر و سریع تر از υ-SVR می باشد.