Theo dõi hành vi:

  + Vận động: dùng gia tốc kế để phân loại hành vi (đứng yên, đi bộ, chạy).

  + Tương tác xã hội: dùng micro để phát hiện âm thanh hội thoại.

  + Giấc ngủ: dùng mô hình logistic dựa trên thời gian sạc pin, thời gian yên tĩnh và không hoạt động.

• Tính điểm sức khỏe (0–100) cho từng chiều:
•   + Giấc ngủ: dùng hàm Gaussian, lý tưởng là 7 giờ/ngày.
•   + Vận động: tính MET (Metabolic Equivalent of Task) theo CDC.
•   + Tương tác xã hội: tính tỷ lệ thời gian có hội thoại.
• Phản hồi trực quan:
•   + Cá hề đại diện cho vận động (bơi nhanh/chậm).
•   + Đàn cá xanh đại diện cho tương tác xã hội (đàn cá đông/ít).
•   + Ánh sáng đại dương đại diện cho giấc ngủ (sáng/tối).
• Phản hồi thích nghi theo cộng đồng:
•   + Xây dựng mạng tương đồng hành vi giữa người dùng.
•   + So sánh với nhóm tương đồng thay vì chuẩn lý tưởng chung.
•   + Cập nhật mục tiêu theo tiến bộ cá nhân và cộng đồng.
• Phân bổ năng lượng thích nghi:
•   + Ưu tiên cảm biến và phản hồi cho chiều sức khỏe yếu nhất.
•   + Tối ưu hóa giữa độ chính xác và tiêu thụ pin.
•   + Giảm tiêu thụ năng lượng >50% mà vẫn giữ độ chính xác chấp nhận được.
• Thử nghiệm thực tế:
•   + 27 người dùng trong 19 ngày.
•   + Nhóm có phản hồi trực quan cải thiện sức khỏe rõ rệt hơn nhóm cơ bản.
•   + Người dùng hiểu và phản hồi tích cực với hệ thống.