Las personas utilizan sus manos para tareas intrincadas como tocar instrumentos musicales, empleando una multitud de sensaciones táctiles para informar el control motor. En contraste, las manos prostéticas actuales carecen de retroalimentación háptica integral y exhiben una funcionalidad de multitarea rudimentaria. La investigación limitada ha explorado el potencial de los amputados de extremidades superiores para sentir, percibir y responder a múltiples canales de retroalimentación háptica activados simultáneamente para controlar de manera concurrente los dedos individuales de manos prostéticas hábiles. Este estudio presenta una nueva arquitectura de control para tres amputados y nueve sujetos adicionales para controlar de manera concurrente los dedos individuales de una mano artificial utilizando dos canales de retroalimentación háptica específica del contexto. Las redes neuronales artificiales (ANN) reconocen los patrones de electromiograma (EMG) de los sujetos que rigen el controlador de la mano artificial. Las ANN también clasifican las direcciones en las que los objetos se deslizan a través de los sensores táctiles en las yemas robóticas, que están codificadas a través de la frecuencia de vibración de los actuadores vibrotáctiles portátiles. Los sujetos implementan estrategias de control con cada dedo simultáneamente para prevenir o permitir el deslizamiento según lo deseen, logrando una tasa de éxito general del 94.49% +/- 8.79%. Aunque no existe una diferencia estadísticamente significativa entre las tasas de éxito de amputados y no amputados, los amputados requieren más tiempo para responder a las señales de retroalimentación háptica simultáneas, lo que sugiere una carga cognitiva más alta. Sin embargo, los amputados pueden interpretar con precisión múltiples canales de retroalimentación háptica matizada para controlar de manera concurrente los dedos robóticos individuales, abordando el desafío de la multitarea con manos prostéticas hábiles.