基于多模态数据与自适应大模型的个性化健身系统及方法

本发明提供了一种基于多模态数据与自适应大模型的个性化健身系统及方法。本发明整合多模态数据，利用时空对齐算法与置信度加权机制实现异构数据协同分析。采用多任务学习架构，同步处理生理预测、运动风险预警及心理激励策略生成任务，通过动态注意力机制适配用户阶段目标，并结合联邦学习与迁移学习技术。基于强化学习的非线性周期规划引擎依据实时生物力学仿真结果与恢复状态评估，动态调节训练负荷及动作难度，同时采用轻量化模型压缩技术与端侧逆向动力学计算。基于本发明的方案，提升运动表现预测精度和预警时效性，降低过度训练导致的运动损失风险；突破冷启动数据瓶颈；实现低延迟的虚拟教练交互与隐私保护；动态调整训练强度与激励策略。