基于多模态感知与可解释决策的用户状态干预方法及系统

本发明公开了一种基于多模态感知与可解释决策的用户状态干预方法及系统，旨在解决现有技术中多模态融合深度不足、状态识别粒度粗糙、干预被动且缺乏共情的问题。方法包括：通过时间戳对齐获取多模态生理数据序列，提取模态特征向量序列；利用选择性扫描机制动态融合多模态特征，生成深度融合特征向量；基于Kolmogorov‑Arnold网络实现可解释的用户状态映射；结合RWKV网络预测未来状态，并通过强化学习生成个性化干预策略。系统包括多模态感知输入模块、融合与状态理解引擎、未来状态预测模块及干预执行模块。本发明通过长时序建模与动态权重调整提升融合精度，利用KAN增强决策可解释性，实现主动、预见性的共情式干预，适用于教育、医疗、人机交互等领域，显著提升用户体验与任务效率。