近期，计算机科学与普适计算领域国际顶级学术会议 UbiComp/IMWUT 2026（中国计算机学会推荐国际学术会议A类，CCF-A）录用结果揭晓，南华大学计算机学院万亚平教授，朱涛、聂明星等老师带领的科研团队共有2篇最新研究成果被接收。研究内容覆盖可穿戴人类活动识别持续学习、时间序列基础模型、智能鞋垫稀疏感知及人体姿态重建等方向，展现了学院在人工智能与智能感知交叉领域的最新研究进展，为学院的学科高质量发展提供了有力支撑。

论文标题：UniHAR-IL: Drift-Compensated Continual HAR with Frozen Foundation Models and Prototype-Space Alignment

论文作者：肖扬，吴沅龙，聂明星，朱涛，万亚平

主要工作和贡献：该文提出一种面向长期可穿戴人类活动识别的无回放增量学习框架（UniHAR-IL），重点解决新活动持续到来时的灾难性遗忘与表示漂移问题。该方法基于冻结的时间序列基础模型构建稳定特征空间，仅通过轻量级共享Adapter进行增量适配，并引入特征蒸馏约束以抑制模型更新带来的特征漂移。该文设计Activity Drift Compensation Network（ADCN），学习历史与当前特征空间之间的非线性映射，对旧类别原型进行动态补偿；同时采用统一分类器重训练，重新校正新旧类别决策边界，缓解类别增量过程中的分类偏置。针对可穿戴设备佩戴方向变化造成的数据分布偏移，方法还引入随机旋转增强以提升方向鲁棒性。实验在UWave、PAMAP2、DSA、Capture-24-subset和HHAR等多个公开数据集及多种持续学习设置上取得领先结果，验证了UniHAR-IL在长期可穿戴智能感知场景中的有效性与应用潜力，也为智慧健康、运动监测和康复评估等应用提供了新的持续学习思路。

论文标题：KineSole: Kinematic-Aware Pose Reconstruction from Sparse Commercial In-Shoe Sensors

论文作者：余量，朱涛，卢祥清，廖兆平，邱祺，陈立明，万亚平

主要工作和贡献：KineSole是一个基于商用智能鞋垫重建人体姿态的框架，每个鞋垫配备四个压力点及一个三轴加速度计。为了支持这一硬件环境下的研究，我们构建并公开发布了 KineSTEP 数据集，该数据集包含来自 20 名参与者的 850,000 多帧同步帧，涵盖 38 种活动场景，并附有 SMPL 标准标注。KineSole 专注于基于足部-地面交互的关节姿态重建，重点关注与足底压力及足部动力学紧密耦合的身体关节运动。为了在稀疏感知条件下研究时间一致性，该模型结合了时间编码、支持感知关节标记解码、核心优先姿态推理以及拓扑引导的运动学优化。实验表明，KineSole 可作为 KineSTEP 研究中一种强大的感知专用基准模型，相较于重新实现的鞋垫基线模型，其在姿态重建精度和时间一致性方面均有显著提升。这些结果证明，具备厂商原始数据访问权限的商用鞋垫，在此受限感知环境下，仍可有效支持局部关节姿态建。