diff --git a/kinesis/config.py b/kinesis/config.py
index 28f7d441..18d96f1b 100644
--- a/kinesis/config.py
+++ b/kinesis/config.py
@@ -3,7 +3,7 @@
 import sys
 import tarfile
 
-BASE_DIR = r"D:\兼职\18\Kinesis"
+BASE_DIR = os.path.dirname(os.path.abspath(__file__))
 
 def check_file(path, name):
     """检查文件是否存在"""
@@ -99,11 +99,11 @@ def main():
             print("You can now run Kinesis tests:")
             print()
             print("Test 1 - Target Reaching:")
-            print("  cd D:\\兼职\\18\\Kinesis")
+            print("  cd " + os.path.dirname(os.path.abspath(__file__)))
             print("  python src\\run.py exp_name=kinesis-target-goal-reach run=eval_run learning=pointgoal epoch=-1 run.headless=True")
             print()
             print("Test 2 - Motion Imitation:")
-            print("  cd D:\\兼职\\18\\Kinesis")
+            print("  cd " + os.path.dirname(os.path.abspath(__file__)))
             print("  python src\\run.py exp_name=kinesis-moe-imitation epoch=-1 run=eval_run run.headless=True")
             print("  run.motion_file=data\\kit_test_motion_dict.pkl")
             print("  run.initial_pose_file=data\\initial_pose\\initial_pose_test.pkl")
@@ -112,7 +112,7 @@ def main():
             print("[INFO] Need to convert KIT data")
             print()
             print("Run conversion:")
-            print("  cd D:\\兼职\\18\\Kinesis")
+            print("  cd " + os.path.dirname(os.path.abspath(__file__)))
             print("  python src\\utils\\convert_kit.py --path data\\KIT_Data\\KIT")
     else:
         print("[ERROR] Missing required files:")
diff --git "a/kinesis/\344\270\213\350\275\275\346\214\207\345\215\227.md" "b/kinesis/\344\270\213\350\275\275\346\214\207\345\215\227.md"
new file mode 100644
index 00000000..f937e44f
--- /dev/null
+++ "b/kinesis/\344\270\213\350\275\275\346\214\207\345\215\227.md"
@@ -0,0 +1,595 @@
+# Kinesis 必需文件下载指南
+
+## 📋 下载清单
+
+在开始之前，请确认您有以下信息：
+- [ ] 可以访问外网（需要访问德国MPI网站）
+- [ ] 有足够的磁盘空间（至少10GB）
+- [ ] 已准备好下载目录（建议：`D:\Downloads\`）
+- [ ] 有邮箱账户（用于注册）
+
+---
+
+## 步骤1：下载 SMPL 模型
+
+### 1.1 访问网站
+
+1. 打开浏览器，访问：**https://smpl.is.tue.mpg.de/**
+
+2. 您会看到SMPL模型的下载页面
+
+### 1.2 注册账户
+
+1. 点击页面上的 **"Sign up"** 或 **"Register"**
+2. 填写注册信息：
+   - Email: 您的邮箱
+   - Password: 设置密码
+   - Name: 您的姓名
+   - Affiliation: 机构/公司（可选）
+   - Country: 选择您的国家
+3. 同意许可条款
+4. 点击 **"Sign up"** 或 **"Create Account"**
+
+5. 检查邮箱，验证账户
+
+### 1.3 登录并下载
+
+1. 使用注册的邮箱和密码登录
+
+2. 找到 **"Download"** 部分
+
+3. 您会看到多个下载选项：
+   - **Male model** - 男性模型
+   - **Female model** - 女性模型
+   - **Neutral model** - 中性模型 ⬅️ 选择这个
+
+4. 点击 **"neutral"** 链接（通常是中间的那个）
+   - 文件名可能类似：
+     - `basicModel_neutral_lbs_10_207_0_v1.0.0.pkl`
+     - 或 `SMPL_NEUTRAL.pkl`
+
+5. 下载开始，文件大小约 **10-20 MB**
+
+### 1.4 验证下载
+
+下载完成后：
+- 文件类型：`.pkl` (Python pickle格式)
+- 文件大小：约10-20 MB
+- 文件名类似：`basicModel_neutral_lbs_10_207_0_v1.0.0.pkl`
+
+### 1.5 安装文件
+
+1. 打开文件管理器，导航到下载位置
+
+2. 如果文件名不是 `SMPL_NEUTRAL.pkl`：
+   - 右键点击文件
+   - 选择 **"重命名"**
+   - 改为：`SMPL_NEUTRAL.pkl`
+
+3. 复制文件到目标位置：
+   ```
+   从: [下载位置]\SMPL_NEUTRAL.pkl
+   到: D:\兼职\18\Kinesis\data\smpl\SMPL_NEUTRAL.pkl
+   ```
+
+4. 验证文件位置：
+   ```
+   D:\兼职\18\Kinesis\data\smpl\SMPL_NEUTRAL.pkl  ← 应该存在
+   ```
+
+### 1.6 验证 SMPL 模型
+
+完成后，运行以下命令验证：
+
+```bash
+cd D:\兼职\18\Kinesis
+python -c "import joblib; import os; path='data/smpl/SMPL_NEUTRAL.pkl'; print('✓ 文件存在:', os.path.exists(path)); data=joblib.load(path); print('✓ 文件可读取，包含:', type(data))"
+```
+
+预期输出：
+```
+✓ 文件存在: True
+✓ 文件可读取，包含: <class 'dict'>
+```
+
+---
+
+## 步骤2：下载 KIT 数据集
+
+### 2.1 访问网站
+
+1. 打开浏览器，访问：**https://amass.is.tue.mpg.de/**
+
+2. 这是AMASS数据集的主页
+
+### 2.2 注册账户
+
+1. 点击 **"Sign up"** 或 **"Create Account"**
+
+2. 填写注册信息：
+   - Email
+   - Password
+   - First Name
+   - Last Name
+   - Institution (可选)
+   - Country
+
+3. 同意数据使用许可条款
+4. 点击注册
+
+5. 检查邮箱，点击验证链接
+
+### 2.3 登录
+
+1. 返回 https://amass.is.tue.mpg.de/
+2. 使用邮箱和密码登录
+
+### 2.4 查找 KIT 数据集
+
+登录后，您会看到数据集列表。查找：
+
+**KIT (CMU)**
+- **描述**：CMU Graphics Lab Motion Capture Database
+- **大小**：约 2-5 GB
+- **格式**：SMPL-H
+
+如果找不到，使用搜索功能或滚动查看所有数据集。
+
+### 2.5 下载 KIT 数据集
+
+1. 找到 KIT 数据集后，点击 **"Download"** 按钮
+
+2. 选择格式：**SMPL-H** (这是Kinesis所需的格式)
+
+3. 下载开始，文件大小约 **2-5 GB**
+
+4. 下载时间估计：
+   - 10 Mbps: 约30-60分钟
+   - 50 Mbps: 约10-20分钟
+   - 100 Mbps: 约5-10分钟
+
+### 2.6 解压文件
+
+下载完成后（通常是 `.zip` 文件）：
+
+1. 找到下载的 ZIP 文件
+2. 右键点击，选择 **"解压到..."**
+3. 选择解压位置，例如：`D:\KIT_Data\`
+4. 解压后，目录结构应该类似：
+   ```
+   D:\KIT_Data\KIT\
+   ├── 00/
+   ├── 01/
+   ├── 02/
+   ├── ...
+   └── [多个文件夹，每个包含 .npz 文件]
+   ```
+
+**重要：** 确保解压后能看到 `.npz` 文件
+
+### 2.7 验证 KIT 数据
+
+验证目录中有 `.npz` 文件：
+
+```bash
+dir D:\KIT_Data\KIT\*.npz /s /b
+```
+
+或者用文件管理器：
+1. 打开 `D:\KIT_Data\KIT\`
+2. 搜索 `*.npz`
+3. 应该能找到大量 NPZ 文件
+
+---
+
+## 步骤3：转换 KIT 数据集
+
+### 3.1 准备转换
+
+1. 打开命令提示符或PowerShell
+
+2. 导航到Kinesis目录：
+   ```bash
+   cd /d "D:\兼职\18\Kinesis"
+   ```
+
+### 3.2 运行转换脚本
+
+运行以下命令：
+```bash
+python src/utils/convert_kit.py --path "D:\KIT_Data\KIT"
+```
+
+**注意：**
+- 将 `"D:\KIT_Data\KIT"` 替换为您实际解压的路径
+- 如果路径中有空格，用引号包围
+
+### 3.3 转换过程
+
+脚本运行时会：
+1. 扫描所有 `.npz` 文件
+2. 加载运动数据
+3. 过滤数据（仅保留KIT相关）
+4. 分类为训练集和测试集
+5. 保存为 `.pkl` 文件
+
+**预期输出：**
+```
+Scanning KIT dataset...  [████████████████████] 100%
+Found XXXX motion files
+Loading motion data...    [████████████████████] 100%
+Converting to Kinesis format...
+Saving train data: data/kit_train_motion_dict.pkl
+Saving test data: data/kit_test_motion_dict.pkl
+✓ Conversion complete!
+```
+
+### 3.4 转换时间估计
+
+- 扫描：1-2分钟
+- 加载和转换：5-10分钟
+- 保存：1-2分钟
+
+**总计：约10-15分钟**
+
+### 3.5 验证转换结果
+
+转换完成后，检查文件是否存在：
+
+```bash
+cd D:\兼职\18\Kinesis\data
+if (Test-Path "kit_train_motion_dict.pkl") { Write-Host "✓ kit_train_motion_dict.pkl 存在" } else { Write-Host "✗ kit_train_motion_dict.pkl 不存在" }
+if (Test-Path "kit_test_motion_dict.pkl") { Write-Host "✓ kit_test_motion_dict.pkl 存在" } else { Write-Host "✗ kit_test_motion_dict.pkl 不存在" }
+```
+
+或者运行Python验证：
+```bash
+python -c "import joblib; train=joblib.load('data/kit_train_motion_dict.pkl'); test=joblib.load('data/kit_test_motion_dict.pkl'); print(f'✓ 训练集: {len(train)} 个动作'); print(f'✓ 测试集: {len(test)} 个动作')"
+```
+
+预期输出：
+```
+✓ kit_train_motion_dict.pkl 存在
+✓ kit_test_motion_dict.pkl 存在
+✓ 训练集: 956 个动作
+✓ 测试集: [数字] 个动作
+```
+
+---
+
+## 步骤4：验证所有文件
+
+### 4.1 运行完整检查脚本
+
+创建验证脚本：
+
+创建文件：`verify_files.py`（放在项目根目录下）
+
+```python
+#!/usr/bin/env python3
+import os
+import joblib
+
+def check_file(filepath, description):
+    """检查文件是否存在并可读取"""
+    if os.path.exists(filepath):
+        print(f"✓ {description}")
+        print(f"  位置: {filepath}")
+        if filepath.endswith('.pkl'):
+            try:
+                data = joblib.load(filepath)
+                if isinstance(data, dict):
+                    print(f"  内容: 字典，包含 {len(data)} 个条目")
+                else:
+                    print(f"  内容: {type(data)}")
+            except Exception as e:
+                print(f"  警告: 无法读取 - {e}")
+        print()
+        return True
+    else:
+        print(f"✗ {description}")
+        print(f"  位置: {filepath}")
+        print(f"  状态: 文件不存在")
+        print()
+        return False
+
+def main():
+    print("=" * 60)
+    print("Kinesis 文件验证")
+    print("=" * 60)
+    print()
+
+    base_dir = os.path.dirname(os.path.abspath(__file__))
+    
+    results = []
+
+    # 检查 SMPL 模型
+    results.append(check_file(
+        os.path.join(base_dir, "data/smpl/SMPL_NEUTRAL.pkl"),
+        "SMPL 模型 (SMPL_NEUTRAL.pkl)"
+    ))
+
+    # 检查 KIT 训练数据
+    results.append(check_file(
+        os.path.join(base_dir, "data/kit_train_motion_dict.pkl"),
+        "KIT 训练数据 (kit_train_motion_dict.pkl)"
+    ))
+
+    # 检查 KIT 测试数据
+    results.append(check_file(
+        os.path.join(base_dir, "data/kit_test_motion_dict.pkl"),
+        "KIT 测试数据 (kit_test_motion_dict.pkl)"
+    ))
+
+    # 检查初始姿态
+    results.append(check_file(
+        os.path.join(base_dir, "data/initial_pose/initial_pose_train.pkl"),
+        "训练集初始姿态 (initial_pose_train.pkl)"
+    ))
+
+    results.append(check_file(
+        os.path.join(base_dir, "data/initial_pose/initial_pose_test.pkl"),
+        "测试集初始姿态 (initial_pose_test.pkl)"
+    ))
+
+    # 检查预训练模型
+    results.append(check_file(
+        os.path.join(base_dir, "data/trained_models/kinesis-moe-imitation/model.pth"),
+        "MoE 模仿模型 (model.pth)"
+    ))
+
+    results.append(check_file(
+        os.path.join(base_dir, "data/trained_models/kinesis-target-goal-reach/model.pth"),
+        "目标到达模型 (model.pth)"
+    ))
+
+    # 检查 XML 配置
+    results.append(check_file(
+        os.path.join(base_dir, "data/xml/myolegs.xml"),
+        "MuJoCo XML 配置 (myolegs.xml)"
+    ))
+
+    print("=" * 60)
+    if all(results):
+        print("✓ 所有必需文件都已就绪！")
+        print("您现在可以运行Kinesis了。")
+    else:
+        print("✗ 部分文件缺失，请完成下载。")
+        print(f"完成度: {sum(results)}/{len(results)} ({sum(results)/len(results)*100:.1f}%)")
+    print("=" * 60)
+
+if __name__ == "__main__":
+    main()
+```
+
+### 4.2 运行验证
+
+```bash
+cd D:\兼职\18\Kinesis
+python verify_files.py
+```
+
+预期输出：
+```
+============================================================
+Kinesis 文件验证
+============================================================
+
+✓ SMPL 模型 (SMPL_NEUTRAL.pkl)
+  位置: D:\兼职\18\Kinesis\data\smpl\SMPL_NEUTRAL.pkl
+  内容: 字典，包含 10 个条目
+
+✓ KIT 训练数据 (kit_train_motion_dict.pkl)
+  位置: D:\兼职\18\Kinesis\data\kit_train_motion_dict.pkl
+  内容: 字典，包含 956 个条目
+
+✓ KIT 测试数据 (kit_test_motion_dict.pkl)
+  位置: D:\兼职\18\Kinesis\data\kit_test_motion_dict.pkl
+  内容: 字典，包含 [数量] 个条目
+
+✓ 训练集初始姿态 (initial_pose_train.pkl)
+  位置: D:\兼职\18\Kinesis\data\initial_pose\initial_pose_train.pkl
+  内容: 字典，包含 1 个条目
+
+✓ 测试集初始姿态 (initial_pose_test.pkl)
+  位置: D:\兼职\18\Kinesis\data\initial_pose\initial_pose_test.pkl
+  内容: 字典，包含 1 个条目
+
+✓ MoE 模仿模型 (model.pth)
+  位置: D:\兼职\18\Kinesis\data\trained_models\kinesis-moe-imitation\model.pth
+  内容: <class 'dict'>
+
+✓ 目标到达模型 (model.pth)
+  位置: D:\兼职\18\Kinesis\data\trained_models\kinesis-target-goal-reach\model.pth
+  内容: <class 'dict'>
+
+✓ MuJoCo XML 配置 (myolegs.xml)
+  位置: D:\兼职\18\Kinesis\data\xml\myolegs.xml
+  内容: None (XML文件)
+
+============================================================
+✓ 所有必需文件都已就绪！
+您现在可以运行Kinesis了。
+============================================================
+```
+
+---
+
+## 步骤5：测试运行
+
+### 5.1 测试目标到达功能
+
+下载完成后，先测试较简单的目标到达功能：
+
+```bash
+cd D:\兼职\18\Kinesis
+python src/run.py \
+    exp_name=kinesis-target-goal-reach \
+    run=eval_run \
+    learning=pointgoal \
+    epoch=-1 \
+    run.headless=True
+```
+
+**预期输出：**
+```
+Output directory  : D:\兼职\18\Kinesis\data\trained_models\kinesis-target-goal-reach
+Using: cpu, setting to deterministic
+Loading motion data...
+Initializing environment...
+Starting policy evaluation on target goal reaching.
+[评估进度信息...]
+```
+
+### 5.2 测试运动模仿功能
+
+```bash
+cd D:\兼职\18\Kinesis
+python src/run.py \
+    exp_name=kinesis-moe-imitation \
+    epoch=-1 \
+    run=eval_run \
+    run.headless=True \
+    run.motion_file=data/kit_test_motion_dict.pkl \
+    run.initial_pose_file=data/initial_pose/initial_pose_test.pkl \
+    env.termination_distance=0.5
+```
+
+**预期输出：**
+```
+Output directory  : D:\兼职\18\Kinesis\data\trained_models\kinesis-moe-imitation
+Using: cpu, setting to deterministic
+Loading motion data from: data/kit_test_motion_dict.pkl
+Initializing SMPL parser...
+Initializing MyoLegs environment...
+Starting policy evaluation...
+[评估500个测试动作...]
+```
+
+### 5.3 带图形界面的测试
+
+如果想看仿真动画：
+
+```bash
+# 目标到达（带图形）
+python src/run.py exp_name=kinesis-target-goal-reach run=eval_run learning=pointgoal epoch=-1 run.headless=False
+
+# 运动模仿（带图形）
+python src/run.py exp_name=kinesis-moe-imitation epoch=-1 run=eval_run run.headless=False run.motion_file=data/kit_test_motion_dict.pkl run.initial_pose_file=data/initial_pose/initial_pose_test.pkl env.termination_distance=0.5
+```
+
+**注意：** `headless=False` 会打开MuJoCo渲染窗口，可以看到3D仿真。
+
+---
+
+## ❓ 常见问题
+
+### Q1: SMPL网站打不开？
+**A:** 尝试：
+1. 检查网络连接
+2. 使用VPN（如果在中国）
+3. 确认URL正确：https://smpl.is.tue.mpg.de/
+
+### Q2: AMASS网站登录失败？
+**A:** 尝试：
+1. 检查用户名和密码
+2. 点击"Forgot Password"重置密码
+3. 使用不同浏览器
+4. 清除浏览器缓存
+
+### Q3: 下载速度慢？
+**A:** 建议：
+1. 使用下载管理器（如IDM、Free Download Manager）
+2. 选择非高峰时段下载
+3. 确保网络稳定
+
+### Q4: 转换脚本失败？
+**A:** 检查：
+1. 路径是否正确（使用绝对路径）
+2. 是否有足够的权限读取NPZ文件
+3. Python环境是否正确
+4. 查看错误信息，对症下药
+
+### Q5: 转换后文件为空？
+**A:** 检查：
+1. NPZ文件是否正确解压
+2. `kit_train_keys.txt` 和 `kit_test_keys.txt` 是否存在
+3. 查看脚本输出的警告信息
+
+### Q6: 运行测试时出错？
+**A:** 常见原因：
+1. 文件路径错误（使用绝对路径）
+2. 文件格式不对（重新下载或转换）
+3. CUDA问题（先设置 `headless=True`）
+
+---
+
+## 📞 获取帮助
+
+如果遇到问题：
+
+1. **查看错误信息**
+   - 仔细阅读终端输出的错误
+   - 复制错误信息搜索解决方案
+
+2. **查阅文档**
+   - `D:\兼职\18\Kinesis\README.md`
+   - `D:\兼职\18\Kinesis\项目解析报告.md`
+   - `D:\兼职\18\Kinesis\部署说明.md`
+
+3. **在线资源**
+   - GitHub Issues: https://github.com/amathislab/Kinesis/issues
+   - 论文: https://arxiv.org/abs/2503.14637
+
+---
+
+## ✅ 完成检查清单
+
+下载完成后，请确认：
+
+- [ ] SMPL_NEUTRAL.pkl 已下载到 `data/smpl/`
+- [ ] KIT 数据集已下载并解压
+- [ ] 运行了 `convert_kit.py` 转换脚本
+- [ ] kit_train_motion_dict.pkl 存在于 `data/`
+- [ ] kit_test_motion_dict.pkl 存在于 `data/`
+- [ ] 运行了 `verify_files.py` 验证脚本
+- [ ] 所有必需文件验证通过
+- [ ] 成功运行了目标到达测试
+- [ ] 成功运行了运动模仿测试
+
+全部完成后，您就可以：
+- ✅ 测试运动模仿功能
+- ✅ 测试目标到达功能
+- ✅ 测试文本到动作控制
+- ✅ 分析手脚协同控制
+- ✅ 训练自己的策略
+
+---
+
+## 🎯 下一步
+
+完成所有下载和配置后：
+
+1. **阅读项目解析报告**
+   - 了解项目架构
+   - 理解数据流程
+   - 熟悉配置系统
+
+2. **运行测试**
+   - 先运行 `headless=True` 模式
+   - 再尝试带图形界面的模式
+
+3. **开始研究**
+   - 分析肌肉活动模式
+   - 研究手脚协同控制
+   - 评估控制精度
+
+---
+
+**祝您下载顺利！如有问题，随时询问。**
+
+---
+
+**文档版本**: 1.0
+**创建日期**: 2026-01-13
+**项目**: KINESIS
diff --git "a/kinesis/\345\237\272\344\272\216\350\277\220\345\212\250\346\250\241\344\273\277\347\232\204\347\224\237\347\211\251\345\220\210\347\220\206\350\202\214\350\202\211\351\252\250\351\252\274\350\277\220\345\212\250\346\216\247\345\210\266\347\256\227\346\263\225\347\240\224\347\251\266(3)(4).docx" "b/kinesis/\345\237\272\344\272\216\350\277\220\345\212\250\346\250\241\344\273\277\347\232\204\347\224\237\347\211\251\345\220\210\347\220\206\350\202\214\350\202\211\351\252\250\351\252\274\350\277\220\345\212\250\346\216\247\345\210\266\347\256\227\346\263\225\347\240\224\347\251\266(3)(4).docx"
new file mode 100644
index 00000000..df190a20
Binary files /dev/null and "b/kinesis/\345\237\272\344\272\216\350\277\220\345\212\250\346\250\241\344\273\277\347\232\204\347\224\237\347\211\251\345\220\210\347\220\206\350\202\214\350\202\211\351\252\250\351\252\274\350\277\220\345\212\250\346\216\247\345\210\266\347\256\227\346\263\225\347\240\224\347\251\266(3)(4).docx" differ