El tratamiento de recuperación de la disfunción motora juega un papel crucial en la terapia de rehabilitación. Los robots de rehabilitación están reemplazando parcial o totalmente a los terapeutas en la asistencia a los pacientes en el ejercicio gracias a las tecnologías robóticas. Sin embargo, el sistema de entrenamiento de rehabilitación aún no es lo suficientemente inteligente como para proporcionar modos de ejercicio adecuados según las intenciones de ejercicio de los pacientes con diferentes habilidades motoras. En este artículo, se propone una estrategia de control híbrido de auto-conmutación dual-modal (DHSS) para determinar automáticamente el modo de ejercicio de los pacientes, es decir, el modo de ejercicio pasivo y asistido. En esta estrategia, se emplean el método de campo potencial y el control de posición ADRC para planificar trayectorias y asistir en el entrenamiento de los pacientes. Se presentan reglas de auto-conmutación dual-modal basadas en la información motora e impulsiva de los pacientes para identificar las habilidades motoras de los pacientes. Finalmente, el DHSS asistió a cinco sujetos en la realización del entrenamiento con un error de desviación promedio de menos de 2 mm en ambos modos de ejercicio. Los resultados experimentales demuestran que la activación muscular de los sujetos difirió significativamente en los diferentes modos. También verifica que el DHSS es razonable y efectivo, lo que ayuda a los pacientes a entrenar de manera independiente sin terapeutas.