Brugere af motoriserede (såkaldte myoelektriske) hånd- og armproteser oplever oftest at protesen er svær at kontrollere og kun i lav grad erstatter den mistede hånds funktionalitet. Den teknologiske udvikling i kontrol-metoder til proteser har i overvældende grad fokuseret på identifikation af brugerens ønskede bevægelsesmønster udfra målinger af de tilbageværende musklers aktivitet, mens brugeren forestiller sig at udføre bevægelserne med den amputerede hånd. Grundet måden hvormed mennesker aktiverer underarmsmuskler under håndbevægelse, er dette dog en yderst vanskelig opgave, hvilket afspejles i den lave præcision af kontrollen. I dette projekt foreslås en radikal anderledes tilgang; nemlig at træne brugeren til at generere nye muskelaktiveringsmønstre, der nemt kan identificeres ud fra målinger af musklers aktivitet, og dermed danne grundlag for præcise bevægelseskommandoer til protesen. Genskabelse af den sensorisk feedback fra hånden vil gøre brugeren i stand til at lære disse nye mønstre og dermed danne grundlag for en præcis og robust kontol af protesehånden.
