Para mejorar el rendimiento del reconocimiento de gestos basado en electromiografía de superficie (sEMG), proponemos un novedoso esquema de entrenamiento en dos etapas independiente de la red, llamado , que produce representaciones invariantes a las pruebas para ser alineadas con los movimientos de mano correspondientes a través de la destilación de conocimiento cruzado modal. En la primera etapa, se entrena un codificador sEMG a través de la maximización de la información mutua entre pruebas utilizando secuencias sEMG muestreadas del mismo paso de tiempo pero de pruebas diferentes de manera de aprendizaje contrastivo. En la segunda etapa, el codificador sEMG aprendido se ajusta finamente con la supervisión de gestos y movimientos de mano de manera de destilación de conocimiento. Además, proponemos una red novedosa llamada como el codificador sEMG. Se realizan experimentos exhaustivos en siete bases de datos de sEMG multicanal dispersas para demostrar la efectividad del esquema de entrenamiento y de la red , que logra una mejora promedio del +1.3% en las bases de datos de sEMG multicanal dispersas en comparación con los métodos existentes. Además, la comparación entre el entrenamiento y otras redes existentes desde cero muestra que supera a las demás en un promedio de +1.5%.