Los parámetros de marcha humana muestran una variabilidad significativa dependiendo del terreno, la velocidad y la carga. Los exoesqueletos asistivos actualmente se centran en el reconocimiento del terreno de locomoción, ignorando la identificación de las tareas de locomoción, que también son esenciales para las estrategias de control. El objetivo de este estudio fue desarrollar una interfaz para la identificación del modo y la tarea de locomoción basada en un algoritmo de fusión neuromuscular-mecánica. Los modos de nivel e inclinación y las tareas de velocidad y carga fueron explorados, y se reclutaron siete participantes sin discapacidades. Se logró una corriente continua de decisiones de asistencia que respaldan un control oportuno del exoesqueleto de acuerdo con la clasificación de la locomoción. Investigamos el algoritmo óptimo, el conjunto de características, el incremento de ventana, la longitud de ventana y la robustez para una identificación precisa y sincronización entre la fuerza asistiva del exoesqueleto y los movimientos de las extremidades humanas (colaboración humano-máquina). Los mejores resultados de reconocimiento se obtuvieron al utilizar una máquina de vectores de soporte, un conjunto de características de raíz cuadrada media/longitud de onda/aceleración, una longitud de ventana de 170 y un incremento de ventana de 20. La precisión promedio de identificación alcanzó el 98.7% +/- 1.3%. Estos resultados sugieren que la electromiografía de superficie-aceleración puede ser utilizada de manera efectiva para la identificación del modo y la tarea de locomoción. Este estudio contribuye al desarrollo del reconocimiento del modo y la tarea de locomoción, así como al control de exoesqueletos para transiciones sin problemas.