Party OS

面向全球开发者的人形机器人开源研发底座

探索文档

我们让每一个有能力、有技术、有想法的人被世界看到。在这里，纯粹热爱的人聚在一起，做出大胆前沿、真实落地、真正有意义的事情。

Party OS

运动控制

构建覆盖数据生成、动作重定向、训练框架、Sim2Real / Real2Sim 部署与行为基础模型（BFM）的运动基础设施，提升机器人运动能力与研发效率。

第 1 / 6 张

UFO
面向机器人控制的开源无监督强化学习框架。Beyond FB，UFO 打通训练与真机部署。
MimicLite
全开源的监督学习框架，用于高动态运动跟踪与低延迟遥操作，8 张 GPU、3 小时完成训练。
Human-Humanoid Tools
约 30 秒完成复杂全身动作重定向，支持不同人形结构、批量处理、动作分析与机器人间动作迁移。
I-BFM
开源的人形机器人–物体交互行为基础模型。通过无监督学习，让同一个策略完成搬箱、推箱、踢箱，无需针对每个任务重新训练。
P-BFM
面向跨地形全身控制的感知型行为基础模型。融合深度感知、动作参考与控制指令，单一策略可零样本迁移到实机。
PredActor
开源的人形机器人扩散控制策略，同时预测全身状态与关节动作，无需单独跟踪器，在 Jetson Orin NX 上以 50 Hz 运行。
UFO
面向机器人控制的开源无监督强化学习框架。Beyond FB，UFO 打通训练与真机部署。
MimicLite
全开源的监督学习框架，用于高动态运动跟踪与低延迟遥操作，8 张 GPU、3 小时完成训练。
Human-Humanoid Tools
约 30 秒完成复杂全身动作重定向，支持不同人形结构、批量处理、动作分析与机器人间动作迁移。
I-BFM
开源的人形机器人–物体交互行为基础模型。通过无监督学习，让同一个策略完成搬箱、推箱、踢箱，无需针对每个任务重新训练。
P-BFM
面向跨地形全身控制的感知型行为基础模型。融合深度感知、动作参考与控制指令，单一策略可零样本迁移到实机。
PredActor
开源的人形机器人扩散控制策略，同时预测全身状态与关节动作，无需单独跟踪器，在 Jetson Orin NX 上以 50 Hz 运行。
UFO
面向机器人控制的开源无监督强化学习框架。Beyond FB，UFO 打通训练与真机部署。
MimicLite
全开源的监督学习框架，用于高动态运动跟踪与低延迟遥操作，8 张 GPU、3 小时完成训练。
Human-Humanoid Tools
约 30 秒完成复杂全身动作重定向，支持不同人形结构、批量处理、动作分析与机器人间动作迁移。
I-BFM
开源的人形机器人–物体交互行为基础模型。通过无监督学习，让同一个策略完成搬箱、推箱、踢箱，无需针对每个任务重新训练。
P-BFM
面向跨地形全身控制的感知型行为基础模型。融合深度感知、动作参考与控制指令，单一策略可零样本迁移到实机。
PredActor
开源的人形机器人扩散控制策略，同时预测全身状态与关节动作，无需单独跟踪器，在 Jetson Orin NX 上以 50 Hz 运行。

感知

发展环境感知、人–场景交互（HSI）与人–物体交互（HOI），强化复杂真实环境中的感知、决策与持续交互能力，为操作智能奠定稳定基础。

第 1 / 3 张

环境感知
聚焦复杂真实环境的感知，为机器人决策与持续交互提供稳定基础。
人–场景交互
探索人–场景交互（HSI），提升机器人在复杂真实环境中对周围环境的感知与交互能力。
人–物体交互
探索人–物体交互（HOI），作为支撑未来操作智能的感知与交互能力的一部分。
环境感知
聚焦复杂真实环境的感知，为机器人决策与持续交互提供稳定基础。
人–场景交互
探索人–场景交互（HSI），提升机器人在复杂真实环境中对周围环境的感知与交互能力。
人–物体交互
探索人–物体交互（HOI），作为支撑未来操作智能的感知与交互能力的一部分。
环境感知
聚焦复杂真实环境的感知，为机器人决策与持续交互提供稳定基础。
人–场景交互
探索人–场景交互（HSI），提升机器人在复杂真实环境中对周围环境的感知与交互能力。
人–物体交互
探索人–物体交互（HOI），作为支撑未来操作智能的感知与交互能力的一部分。

操作

融合行为基础模型（BFM）、视觉–语言–动作模型（VLA）与世界模型，推进全身协调与复杂操作，构建可规模化泛化的操作智能基础设施。

第 1 / 3 张

行为基础模型
将 BFM 能力融入人形机器人全身协调与复杂操作的研发。
视觉–语言–动作模型
将 VLA 能力与运动基础结合，推进协调的全身控制与复杂操作任务。
INTACT
与 BFM、VLA 一同探索世界模型，构建可规模化泛化的操作智能基础设施。
行为基础模型
将 BFM 能力融入人形机器人全身协调与复杂操作的研发。
视觉–语言–动作模型
将 VLA 能力与运动基础结合，推进协调的全身控制与复杂操作任务。
INTACT
与 BFM、VLA 一同探索世界模型，构建可规模化泛化的操作智能基础设施。
行为基础模型
将 BFM 能力融入人形机器人全身协调与复杂操作的研发。
视觉–语言–动作模型
将 VLA 能力与运动基础结合，推进协调的全身控制与复杂操作任务。
INTACT
与 BFM、VLA 一同探索世界模型，构建可规模化泛化的操作智能基础设施。

智能体人形机器人

基于 Agent + Skills 架构，探索机器人任务规划、自主执行与技能组合，推动人形机器人从单任务执行走向自主智能体。

第 1 / 3 张

任务规划
通过 Agent + Skills 架构探索机器人任务规划，支撑从孤立任务走向自主智能体。
自主执行
研究自主执行能力，作为基于 Agent + Skills 的人形智能体系统的核心能力。
技能组合
探索智能体系统内的技能组合，让人形机器人超越单任务执行。
任务规划
通过 Agent + Skills 架构探索机器人任务规划，支撑从孤立任务走向自主智能体。
自主执行
研究自主执行能力，作为基于 Agent + Skills 的人形智能体系统的核心能力。
技能组合
探索智能体系统内的技能组合，让人形机器人超越单任务执行。
任务规划
通过 Agent + Skills 架构探索机器人任务规划，支撑从孤立任务走向自主智能体。
自主执行
研究自主执行能力，作为基于 Agent + Skills 的人形智能体系统的核心能力。
技能组合
探索智能体系统内的技能组合，让人形机器人超越单任务执行。

Agentic RSI 系统

支撑新一代物理智能

我们的使命是通过 Google 的 AI 与 Gemini Robotics 模型，赋能高潜力的早期创业团队，帮助他们把发现转化为市场领先的事业，共同推动智能物理 AI 时代。

加入 RoboParty Lab

我们欢迎对人形机器人充满热情的研究者、工程师和开源贡献者加入。一起探索运动控制、感知与操作，把想法变成真实机器人上的能力，把研究成果分享给更多开发者。追求前沿，保持纯粹。