内容：面向稀疏交互场景下的推荐流行度偏差问题，构建 S-PDR 个性化去偏推荐模型，联合建模用户语义兴趣、个人流行度信号与用户个体偏差，并通过推理阶段的可控干预实现推荐准确性与曝光公平性的动态权衡。

创新：提出基于相似用户邻域的个人流行度建模方法，并引入谱正则化超图编码器与显式先验引导解耦预测器，提升稀疏高阶交互下的表示稳定性与细粒度偏差信号分离能力。

论文状态：投稿至 International Journal of Data Science and Analytics（Springer Nature，ESCI/EI/Scopus，JCR Q3；第三作者/学生二作）。

内容：基于 MuJoCo 搭建 Unitree G1 双足机器人仿真环境，设计“外力扰动触发跌倒—姿态检测—状态采集—策略调度—自主起身—站稳判定”的闭环系统，面向外力扰动、失衡倒地等场景下的自主恢复需求。

贡献：作为项目负责人，负责跌倒触发与检测、姿态识别、起身轨迹调度和控制效果优化；融合 qpos/qvel、躯干姿态、基座/头部高度、足端接触和身体接触状态等特征，设计 rule-based fall score 检测机制；自主生成多姿态关键帧并插值形成 qpos/qvel 参考轨迹库，结合 G1 预训练 ONNX 跟踪器与保护逻辑完成起身控制，并设置 pure PPO 失败基线与 guarded residual PPO 残差增强对比。

成果：在合成数据集上实现跌倒二分类准确率 100%、姿态分类准确率约 97.98%；完成仰卧、俯卧、左侧卧、右侧卧、坐跪等多姿态起身实验，成功率达 100%，平均起身时间约 7.80s。点击查看五类姿态起身演示视频。