宇树科技（Unitree）开源资料全解析与嵌入式开发者应用指南（入局具身智能）

宇树科技作为国内人形机器人、四足机器人领域的头部企业，其开源生态覆盖数据集、AI模型、开发框架、仿真工具、硬件SDK、ROS包等全链路资源，既面向学术研究，也深度适配工业级嵌入式开发需求。下面先系统梳理其开源资料体系，再针对嵌入式开发者给出精准的资源利用策略。

官方链接：

https://www.unitree.com/cn/opensource

一、宇树科技开源资料体系：按功能分类解析

宇树的开源资料高度聚焦“机器人开发全流程”，从底层硬件控制到上层AI算法、从仿真验证到实物部署，形成了完整闭环。可分为6大类，核心信息如下：

1. embodied AI数据集与预训练模型：机器人“感知-决策”基础数据

面向机器人操作任务的AI模型训练，提供高质量标注数据和成熟模型，降低算法研发门槛。

•核心数据集：

◦G1灵巧手操作数据集、G1夹爪操作数据集、Z1双臂操作数据集：覆盖“单指/多指抓取、双臂协同”等高频工业场景，包含力控、视觉、关节角度等多模态数据。

•预训练模型：

◦主流模仿学习（IL）模型：如DP（Data-efficient Policy）、ACT（Action Chunking with Transformers），已适配宇树硬件，可直接用于“从人类演示中学习操作技能”。

2.机器人开发框架：封装核心算法，支持全流程落地

针对特定开发目标（模仿学习、强化学习）提供模块化框架，嵌入式开发者可直接基于框架二次开发，无需从零搭建基础逻辑。

框架名称	核心功能	支持硬件	开发价值
unitree_IL_lerobot	基于LeRobot的模仿学习框架，覆盖“数据收集→算法开发→模型训练→实物部署”全流程	人形机器人G1、机械臂Z1、灵巧手Dex3	嵌入式开发者可快速实现“AI驱动的机器人操作”，无需关注算法底层细节，仅需适配硬件接口
unitree_rl_gym	强化学习（RL）实现仓库，封装经典RL算法	四足机器人Go2、人形机器人H1/H1_2、G1	用于开发“自主决策类任务”（如机器人避障、动态平衡），支持仿真与实物端统一调用

3.仿真工具：降低嵌入式开发“实物试错成本”

嵌入式开发中“实物调试风险高、周期长”，宇树提供2类仿真工具，支持“先仿真验证，再实物部署”。

•unitree_mujoco：

◦基于宇树SDK2和Mujoco物理引擎开发，可无缝集成用unitree_sdk2/unitree_ros2/unitree_sdk2_python写的控制程序。

◦核心价值：嵌入式开发者可先在仿真中验证“关节控制、运动规划”逻辑，避免因代码bug损坏硬件（如电机堵转、机械臂碰撞）。

•unitree_ros（ROS1）/ unitree_ros2（ROS2）：

◦包含所有宇树机器人的URDF模型（可获取质量、转动惯量、关节限位等关键硬件参数），并提供unitree_controller（控制器）、unitree_gazebo（Gazebo仿真包）。

◦核心价值：适配ROS生态，支持用Gazebo快速搭建“多机器人协同、传感器融合”的仿真场景，嵌入式开发者可基于此做“分布式控制”验证。

4.硬件控制SDK：嵌入式开发的“底层入口”

SDK是嵌入式开发者与宇树机器人硬件交互的核心工具，按“机器人类型”和“开发语言”细分，覆盖从“单关节控制”到“整机运动”的全层级需求。

（1）多机器人通用SDK

SDK名称	支持硬件	开发语言	核心功能	嵌入式场景适配
unitree_legged_sdk	四足机器人Aliengo、A1、Go1	C++	提供“底层关节控制接口”（单关节角度/力矩控制）和“高层运动接口”（指定速度/步态控制）	适用于对实时性要求高的场景（如四足机器人动态平衡），可直接对接嵌入式实时系统（如RT-Thread、VxWorks）
unitree_sdk2	四足机器人Go2/B2、人形机器人H1	C++	功能定位与unitree_legged_sdk一致，硬件适配升级	支持新一代机器人的“高算力硬件”（如H1的躯干计算单元），接口更简洁，实时性优化
unitree_sdk2_python	Go2/B2/H1/G1	Python	unitree_sdk2的Python封装	适合嵌入式开发者快速做“原型验证”（如用Python写简单的步态测试脚本），再用C++重构底层逻辑

（2）机械臂专用SDK

•z1_controller：Z1机械臂的“驱动桥梁”，必须单独运行才能调用z1_sdk，负责硬件通信协议解析。

•z1_sdk：Z1机械臂控制核心SDK，提供C++/Python接口：

◦底层模式：直接控制每个关节的角度、速度、力矩；

◦高层模式：实现“点到点运动”（如指定机械臂末端坐标）。

•z1_joystick：B1机器狗搭载Z1时的“遥控器控制例程”，支持自定义遥控器适配（如替换为工业遥控器）。

（3）传感器SDK

针对宇树自研传感器，提供二次开发接口，降低嵌入式“传感器-机器人”集成难度：

•电机SDK：封装电机通信协议，避免嵌入式开发者手动解析CAN/LIN总线数据，直接调用“电机启停、转速控制”接口。

•4D Lidar SDK：L1/L2激光雷达的二次开发SDK，支持获取点云、IMU数据。

•4D Lidar L1 Open Source SLAM：基于Point-LIO算法，仅用L1的点云和内置IMU即可完成SLAM（同步定位与地图构建），嵌入式开发者可直接集成到“机器人自主导航”模块。

（4）相机SDK

•Go1 Camera SDK routines：Go2机器人相机的开发例程，支持获取RGB、深度图像，可用于“视觉引导抓取”等场景。

5.遥操作示例：嵌入式“人机交互”开发参考

提供2类主流设备的遥操作方案，嵌入式开发者可直接复用“硬件通信逻辑”和“运动映射算法”：

•Kinect Camera Teleoperation：基于Azure Kinect深度相机的H1人形机器人双臂遥操作程序，实现“人类动作→机器人动作”的实时映射。

•Apple Vision Pro Teleoperation：基于AVP（Apple Vision Pro）的H1_2遥操作仓库，适配VR设备的空间定位数据，适合开发“沉浸式遥操作”（如远程工业装配）。

6.学习与教学资源：嵌入式入门进阶工具

•unitree_guide：配合教材《四足机器人控制算法——建模、控制与实践》的开源项目，包含：

◦机器人关节电机控制方法、四足机器人力控算法；

◦同时配置“仿真环境”和“实物开发环境”，1-2条命令即可切换。

•核心价值：嵌入式开发者可从“基础控制算法”入手，理解“电机模型→力控逻辑→步态规划”的底层关联，避免直接开发时“知其然不知其所以然”。

二、嵌入式开发者如何精准利用这些开源资料？

嵌入式开发的核心需求是“底层硬件控制、实时性优化、硬件-算法协同、低成本试错”，需根据具体开发场景匹配资源，以下分6类场景给出策略：

场景1：底层电机/关节控制（核心需求：实时性、硬件适配）

•推荐资源：unitree_legged_sdk（C++）、unitree_sdk2（C++）、电机SDK、z1_sdk（底层模式）。

•使用方法：

a.先通过unitree_guide的仿真环境，理解“电机力矩控制、关节限位保护”的逻辑（避免实物调试时电机过载）；

b.用C++基于SDK开发底层驱动：直接调用SDK的“关节控制接口”，对接嵌入式硬件的CAN总线（宇树机器人电机多采用CAN通信）；

c.重点关注SDK中的“实时性参数”（如控制周期、数据传输波特率），适配嵌入式系统的调度优先级（如在Linux中用RT_PREEMPT补丁优化实时性）。

场景2：机器人整机运动控制（如四足步态、人形行走）

•推荐资源：unitree_guide、unitree_sdk2（高层模式）、unitree_mujoco。

•使用方法：

a.从unitree_guide学习“四足机器人力控步态”的数学模型（如足端轨迹规划、身体姿态调整）；

b.在unitree_mujoco中仿真验证“步态参数”（如步长、步频），观察机器人是否稳定；

c.用unitree_sdk2的高层接口（如“指定速度控制”）将仿真验证后的步态移植到实物，仅需修改“硬件偏移参数”（如不同机器人的关节零位差异）。

场景3：AI +机器人融合（如视觉抓取、自主避障）

•推荐资源：embodied AI数据集、unitree_IL_lerobot、unitree_rl_gym、4D Lidar SLAM、Go1 Camera SDK。

•使用方法：

a.若做“模仿学习”（如让G1手模仿人类抓取）：用unitree_IL_lerobot的“数据收集模块”采集人类演示数据，结合官方数据集训练模型，再通过SDK部署到机器人；

b.若做“自主导航”：直接集成4D Lidar L1的SLAM仓库，获取机器人位姿，再用unitree_sdk2控制机器人避障（SLAM输出的地图+ SDK的运动控制结合）；

c.嵌入式优化点：将AI模型（如ACT）通过TensorRT量化，部署到机器人的嵌入式算力单元（如H1的NVIDIA Jetson），降低延迟。

场景4：传感器集成（激光雷达、相机与机器人协同）

•推荐资源：4D Lidar SDK、Go1 Camera SDK、unitree_ros2。

•使用方法：

a.用传感器SDK获取原始数据（如L1的点云、Go1相机的RGB图），通过unitree_ros2的“话题发布”功能，将数据同步到机器人的控制节点；

b.嵌入式层需处理“传感器时间同步”（如用ROS2的时间戳机制，对齐点云、IMU、关节数据），避免因数据延迟导致“控制失准”（如视觉抓取时相机与机械臂不同步）。

场景5：遥操作功能开发（如工业远程控制）

•推荐资源：Kinect Camera Teleoperation、Apple Vision Pro Teleoperation、z1_joystick。

•使用方法：

a.复用示例中的“设备通信逻辑”（如Azure Kinect的深度数据解析、AVP的空间定位数据接收）；

b.自定义“运动映射规则”（如将人类手臂的角度映射到H1的双臂关节，需根据嵌入式硬件的算力调整映射延迟）；

c.基于z1_joystick的例程，适配工业遥控器（如替换为无线手柄），增加“紧急停止”硬件接口（嵌入式安全开发核心需求）。

场景6：快速原型验证与学习进阶

•推荐资源：unitree_sdk2_python、unitree_ros（Gazebo）、unitree_guide。

•使用方法：

a.用Python（unitree_sdk2_python）快速写测试脚本（如控制G1手开合、H1单腿抬起），验证硬件通信是否正常；

b.用unitree_ros的Gazebo环境，搭建“多机器人协同”仿真（如Go2配合Z1搬运物体），验证分布式控制逻辑；

c.新手从unitree_guide配合教材入手，先掌握“机器人建模→控制算法→SDK调用”的全链路，再深入某一方向（如电机控制、AI部署）。

三、总结：嵌入式开发的“宇树开源资源使用逻辑”

宇树的开源资料不是孤立的，而是“从学习→仿真→开发→部署”的递进关系：

1.入门层：用unitree_guide+仿真环境打基础，理解控制原理；

2.原型层：用Python SDK（unitree_sdk2_python）快速验证硬件与算法逻辑；

3.开发层：用C++ SDK（unitree_sdk2、z1_sdk）做底层开发，优化实时性；

4.集成层：用框架（unitree_IL_lerobot）+传感器SDK（Lidar/Camera）做上层功能集成；

5.验证层：用unitree_mujoco/ROS Gazebo做全场景验证，再落地实物。

嵌入式开发者无需“面面俱到”，只需根据自身需求（如专注电机控制、还是AI部署）锚定核心资源，逐步深入，即可高效利用宇树的开源生态降低开发成本。