立项原因：市面上主流可穿戴运动健康设备大多为腕戴形态，感知维度有限，仅采集心率、步数等基础指标，难以获取躯干完整姿态信息，同时普遍采用统一固定阈值进行判断，没有结合用户个人基线与真实场景，健康提示泛化严重，存在感知不全、判定机械、建议难以落地执行的痛点。为解决上述问题，团队立项 “同律” 系统，参赛全国大学生软件创新大赛。
业务背景：全民健身推动运动体态健康需求增长，现有方案缺少全身躯干感知能力，难以识别体态劳损风险。项目面向健身爱好者、在校学生、久坐办公人群，适用居家健身、校园体育训练、日常久坐体态矫正等场景。结合柔性传感衣物、姿态重建算法、带记忆的 AI 智能体，弥补传统穿戴设备在全身姿态感知、个性化研判、跨应用执行干预方面的行业空白。
系统包含五大功能模块：全身姿态感知采集模块、姿态重建与运动状态识别模块、AI 智能体研判干预模块、向量知识库与用户画像模块、移动端可视化与 MCP 跨应用调度模块。
全身姿态感知采集模块：接收智能衣物多节点 IMU 传感器原始数据，完成数据校准降噪，获取 24 个关节原始运动数据。
姿态重建与运动状态识别模块：对传感数据做时序处理，重建 SMPL 人体姿态模型，识别静坐、走、跑等运动状态，输出脊柱曲率、颈椎屈曲角等体态指标。
AI 智能体研判干预模块：依托向量知识库内用户专属姿态基线做风险推理，输出个性化体态提醒，摒弃通用阈值判定。
向量知识库与用户画像模块：存储用户静态信息、长期姿态行为时序数据，实现长周期记忆，支撑个性化计算。
移动端可视化与 MCP 跨应用调度模块：3D 数字人实时镜像渲染体态，同时通过 MCP 协议调用外部应用，生成日程、健康周报，完成干预建议落地执行。
个人负责：作为项目产品负责人，开展用户与竞品调研，梳理现有穿戴设备的产品缺陷，输出完整需求文档；完成整套产品业务流程设计，拆解全部功能模块，输出业务逻辑图；完成移动端、智能体交互原型设计；对接算法、开发团队，对齐需求，跟进迭代进度，协调解决业务逻辑冲突；整理大赛申报材料，撰写项目介绍、创新点，准备答辩相关材料。
技术栈 & 架构：整体分为感知层、处理层、应用层三层架构；硬件端 IMU 惯性传感单元，后端 Docker 容器部署，使用卡尔曼滤波、LIP 姿态重建、MobileNetV3+Bi‑LSTM 时序模型；向量数据库构建 RAG 知识库；移动端 Flutter，Three.js 做 3D 渲染，实现 MCP 跨应用协议。
亮点：基于柔性智能衣物实现全身躯干姿态采集；建立用户个人姿态基线，AI 智能体实现个性化研判；MCP 跨应用调度打通建议到执行的链路。
难点：衣物形变造成传感器位移带来信号噪声，需要做动态校准；时序姿态数据运算压力大，要平衡移动端实时性与算力消耗；MCP 协议对接多外部应用，需要处理不同接口适配问题。
评论