Esta investigación exploró la integración de la clasificación en tiempo real de aprendizaje automático de datos de imaginación motora con una interfaz cerebro-máquina, aprovechando exoesqueletos prefabricados y un auricular EEG integrado con realidad virtual (RV). Al combinar estas tecnologías, el estudio tuvo como objetivo desarrollar aplicaciones terapéuticas prácticas y escalables para rehabilitación y entrenamiento motor diario. El proyecto presentó un sistema optimizado diseñado para evaluar y entrenar funciones cognitivo-motoras en individuos de edad avanzada. Las principales innovaciones incluyeron un protocolo de adquisición de EEG de imaginación motora para clasificación de datos y un marco de aprendizaje automático que aprovechaba el aprendizaje profundo con una transformación de paquete de wavelets para extracción de características. Se realizaron análisis comparativos con modelos tradicionales como Máquinas de Vectores de Soporte (SVM), Redes Neuronales Convolucionales (CNN) y redes de Memoria a Corto y Largo Plazo (LSTM). El rendimiento se mejoró aún más a través de una búsqueda aleatoria de hiperparámetros, optimizando la extracción de características y los parámetros de aprendizaje para lograr una alta precisión de clasificación (89.23%). Se desarrolló un novedoso juego de pesca en RV para responder dinámicamente a las salidas de EEG, permitiendo el desempeño de tareas interactivas de imaginación motora en coordinación con brazos de exoesqueleto de miembro superior. Aunque las pruebas clínicas están en curso, el sistema demuestra un potencial para aumentar las tasas de polarización ERD/ERS en ondas alfa y beta entre los usuarios de edad avanzada después de varias semanas de entrenamiento. Este enfoque integrado ofrece un paso tangible hacia la creación de soluciones efectivas y fáciles de usar para la rehabilitación de la función motora.