Un número significativo de personas en el mundo sufre la pérdida de extremidades, mientras que la prótesis es la forma esperanzadora de ayudar a los amputados a volver a la vida normal. Recientemente, el método de control más popular utilizado en prótesis inteligentes es el FSM-IC (máquina de estados finitos con control de impedancia), que requiere una cantidad significativa de ajustes manuales de parámetros para lograr una buena compensación del modelo de manera discreta. Tomando la prótesis de extremidades inferiores como objeto de investigación, este artículo aplica un modelo LWPR (regresión de proyección ponderada localmente) para aprender el modelo dinámico de una prótesis en tiempo real con el fin de lograr una mejor compensación del modelo de manera continua y proponer esquemas experimentales científicos para verificar el método de control. Primero, se presenta el marco de control básico de la prótesis de extremidades inferiores. Luego, se deriva la ley de control sobre la base de la construcción del modelo y la adición de LWPR. Finalmente, se diseñan los esquemas experimentales adecuados para llevar a cabo el método de control de manera efectiva y segura. Los resultados experimentales muestran que la ley de control con el modelo LWPR puede mejorar significativamente el rendimiento de seguimiento durante la fase de oscilación y obtener una buena conformidad durante la fase de apoyo. Además, los resultados también indican que el modelo LWPR puede aproximar el modelo dinámico en línea. Se espera que este método se extienda a más aplicaciones y campos.