En los últimos años, el número de personas con discapacidades ha aumentado enormemente, especialmente en países de ingresos bajos y medianos. Al mismo tiempo, la robótica ha hecho avances significativos en el campo médico, y muchos grupos de investigación han comenzado a desarrollar soluciones portátiles de bajo costo. El Laboratorio de Mecatrónica y Modelado Dinámico del Departamento de Ingeniería Industrial de la Universidad de Florencia ha desarrollado recientemente una nueva versión de un exoesqueleto de mano portátil para fines asistenciales. En este artículo, presentaremos un nuevo método de regresión para predecir la posición del ángulo del dedo de la primera articulación a partir del valor del sEMG del antebrazo y la posición anterior del propio dedo. Para adquirir el conjunto de datos necesario para entrenar el regresor, se desarrolló una interfaz gráfica de usuario específica que pudo adquirir datos de sEMG de una banda Myo y la posición del dedo de un controlador Leap Motion. Se compararon dos modelos de memoria a largo y corto plazo (LSTM), uno en su configuración estándar y el otro con una capa convolucional, obteniendo un rendimiento significativamente mejor para el segundo, con un aumento en el coeficiente de un valor promedio a otro, lo que lleva a la conclusión de que una capa convolucional podría aumentar el rendimiento cuando hay pocos sensores disponibles.