如何让机器人同时具备"本能反应"与复杂运动能力？

清华大学交叉信息研究院与上海期智研究院联合推出的 Project-Instinct 框架，给出了一个新答案。

——专为"本能级"人形机器人运动智能研究设计，以模块化、可灵活配置的全链路工具包，让科研人员无需重复造轮子，专注突破核心技术。

实现人形机器人高速跑步（2.5m/s）跨越障碍物 / 翻越较高障碍

核心定位：为"本能级"运动智能研究而生

人形机器人的"本能级"智能，指的是像人类一样无需预设轨迹，能通过实时感知自主应对复杂环境的能力——比如看到障碍自动调整跳跃姿势，踩在楼梯边缘下意识保持平衡。

但长期以来，这类研究面临两大痛点：一是"感知与运动割裂"，要么能感知地形却只会简单行走，要么能做高难度动作却"眼盲"；二是"工具链不通用"，高动态动作与野外 locomotion 研究需单独搭建环境，适配成本极高。

Project-Instinct 旨在以"统一框架 + 灵活配置"打破僵局：

整套工具包从算法设计、环境搭建到真机部署，全链路围绕"本能级"智能核心，既支持高动态多接触动作的精准训练，也能适配野外复杂地形的稳健移动，用两大前沿工作验证了其通用性。

灵活配置：一套工具，两种前沿研究轻松落地

Project-Instinct 的模块化设计，让科研者可根据"本能级"智能的研究需求，自由组合工具模块，快速适配不同研究方向，无需从零搭建。

1. 高动态动作研究：DeepWhole-bodyParkour

聚焦"本能级技巧突破"，让机器人像运动员一样完成跪爬、鱼跃翻滚、高台翻越等多接触动作，核心是"感知 - 动作实时联动"。

基于 Project-Instinct，科研者仅需 3 步完成配置：

调用 InstinctLab 的"运动数据管理模块"，导入人类跑酷动作捕捉数据，自动重定向适配机器人形态；

启用 InstinctLab 的"跟踪奖励 + 自适应采样"模块，重点训练动作精准度与环境适配性；

开启"深度感知融合插件"，让机器人通过深度相机实时调整动作轨迹——即便初始位置偏差 50 厘米，也能自主修正，成功率 100%。

2. 野外稳健 locomotion 研究：Hiking in the Wild

聚焦"本能级环境适应"，让机器人在草地斜坡、乱石堆、沟壑等复杂地形中稳定高速移动（最高 2.5 米 / 秒），核心是"风险预判 + 自主避障"。

同样基于 Project-Instinct，仅需切换配置即可落地：

调用 InstinctLab 的"地形生成模块"，可以导入野外场景扫描地形，也可以生成斜坡、沟壑、台阶等地形；

启用 InstinctLab 的"地形边缘检测 + 足部体积点"安全模块，训练机器人"本能避坑"，减少踩边打滑；

切换" Flat Patch Sampling "模块，开云让机器人自动识别可行目标，杜绝"原地打转"的奖励 hacking 问题。

人性机器人高速跑步跨越障碍物 / 跨越沟壑 / 稳定上下楼梯

三大核心工具包：灵活配置，覆盖"本能级"研究全流程

Project-Instinct 的工具包采用模块化设计，每个模块均可独立调用、自由组合，完美匹配"本能级"智能研究中"感知 - 决策 - 动作"的全链路需求：

1. InstinctLab：场景与数据灵活定制

支持多样化环境生成，可导入真实场景扫描 mesh（如公园小路、室内楼梯），也可一键生成高动态动作训练所需的障碍场景；

内置深度相机噪声模拟、虚拟障碍物生成、运动数据重定向等插件，科研者可按需启用，模拟真实世界的感知条件；

自适应采样模块优先训练高失败场景，加速机器人"本能级"能力的习得；

兼容多类型运动数据，人类动作捕捉数据导入后自动适配机器人形态，无需手动调整关节约束。

2. instinct_rl：训练策略自由切换

模块化强化学习架构，核心围绕"本能级"智能设计：想训练高动态动作，启用"多接触动作奖励 + 视觉反馈闭环"；想训练野外 locomotion，切换"地形边缘惩罚 + 路径自主规划"；

支持批量实验配置，可同时测试不同参数（如感知频率、奖励权重）对"本能反应"的影响，快速迭代最优方案。

3. instinct_onboard：真机部署零成本适配

集成 ONNX 加速、ROS2 部署工具，支持 Unitree G1 等主流人形机器人，无需手动适配硬件接口；

数据记录与推理进程分离，真机测试时可同步保存"本能反应"相关数据（如感知延迟、动作调整幅度），不影响实时控制；

支持同一台机器人快速切换研究方向：上午测试高动态动作 policy，下午部署真机 policy，无需重新实现部署代码。

4. 还有各种动作编辑和训练分析工具等你探索

研究人员开源福利

Project-Instinct 的开源与灵活配置特性，为不同阶段的科研者提供了"加速器"：

入门研究者：无需从零搭建环境，直接调用预设配置启动"本能级"运动智能实验，快速掌握核心研究流程；

进阶研究者：想同时探索"高动态动作"与"野外 locomotion "的融合？框架已做好兼容，仅需切换配置文件，即可在同一套工具链中验证创新想法；

项目迭代者：修改"本能反应"相关参数（如感知范围、避障优先级）后，无需重新编译代码，一键重启训练，迭代效率大大提升。

目前，Project-Instinct 框架已完全开源，所有模块均围绕"本能级"人形机器人运动智能研究设计，科研者可免费获取全套资源：

核心工具包：InstinctLab/instinct_rl/instinct_onboard，覆盖场景搭建、强化学习训练、真机部署全流程；

两大研究的完整配置文件：可直接复用，也可基于此修改适配自身研究方向。

研究团队表示，未来，Project-Instinct 还将扩展更多机器人硬件支持、新增更多"本能级"动作库与复杂地形场景。

项目官网：

https://project-instinct.github.io

Deep Whole-body Parkour 代码 / 论文：

https://project-instinct.github.io/deep-whole-body-parkour

Hiking in the Wild 代码 / 论文：

https://project-instinct.github.io/hiking-in-the-wild

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

我们正在招聘一名眼疾手快、关注 AI 的学术编辑实习生  � �

感兴趣的小伙伴欢迎关注 � �  了解详情

� � 点亮星标 � �

科技前沿进展每日见