En los últimos años, el aumento del número de pacientes con lesiones de la médula espinal, accidentes cerebrovasculares y discapacidades en las extremidades inferiores ha llevado al desarrollo gradual de robots exoesqueletos asistidos en rehabilitación. Un aspecto crítico de estos robots es su capacidad para detectar con precisión las intenciones de movimiento humano para lograr un control suave y natural. Este documento describe la investigación realizada sobre la predicción de los ángulos de movimiento de las articulaciones de las extremidades inferiores humanas. Basado en el diseño de un sistema de adquisición de señales para señales musculares fisiológicas y datos de unidades de medida inercial (IMU), se construyó un modelo de predicción de red neuronal híbrido (QRTCN-BiLSTM) y un modelo de predicción de red neuronal simple (QRBiLSTM) utilizando regresión cuantílica, red de convolución temporal (TCN) y red de memoria a largo y corto plazo bidireccional (BiLSTM), respectivamente. Al mismo tiempo, se recopilaron señales electromiográficas de superficie de 7 canales (sEMG) y datos de IMU de 12 canales de las articulaciones de la cadera y la rodilla, que se introdujeron en los modelos QRBiLSTM y QRTCN-BiLSTM para desplegar el entrenamiento y analizar la comparación. Los resultados muestran que el modelo QRTCN-BiLSTM puede inferir con mayor precisión la intención de movimiento humano y proporcionar una herramienta de predicción más confiable y precisa para la investigación de interacción humano-robot en robótica de rehabilitación.