本文讨论了个人化康复的社交机器人锻炼教练系统的设计、开发和评估，该系统集成了神经网络模型和基于规则的模型，能够监控和评估患者的锻炼，并生成个性化的纠正反馈。在中风幸存者的数据集上进行了验证，展示了实际测试中的应用前景和局限性。

本研究使用基于阈值的弱监督模型和梯度可解释人工智能技术，在中风幸存者的数据集中探索时序数据的可行性。通过前馈神经网络模型和梯度，识别涉及补偿动作的显著框架。评估结果显示，该方法在召回率和F2分数上取得了较高的成绩。这表明基于梯度的可解释人工智能技术在时序数据中具有潜力，可减少模型训练中的标签工作量。