宇樹科技作為國內(nèi)人形機器人、四足機器人領域的頭部企業(yè)，其開源生態(tài)覆蓋數(shù)據(jù)集、AI模型、開發(fā)框架、仿真工具、硬件SDK、ROS包等全鏈路資源，既面向?qū)W術研究，也深度適配工業(yè)級嵌入式開發(fā)需求。下面先系統(tǒng)梳理其開源資料體系，再針對嵌入式開發(fā)者給出精準的資源利用策略。

官方鏈接：

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

一、宇樹科技開源資料體系：按功能分類解析

宇樹的開源資料高度聚焦“機器人開發(fā)全流程”，從底層硬件控制到上層AI算法、從仿真驗證到實物部署，形成了完整閉環(huán)?？煞譃?/span>6大類，核心信息如下：

1. embodied AI數(shù)據(jù)集與預訓練模型：機器人“感知-決策”基礎數(shù)據(jù)

面向機器人操作任務的AI模型訓練，提供高質(zhì)量標注數(shù)據(jù)和成熟模型，降低算法研發(fā)門檻。

?核心數(shù)據(jù)集：

?G1靈巧手操作數(shù)據(jù)集、G1夾爪操作數(shù)據(jù)集、Z1雙臂操作數(shù)據(jù)集：覆蓋“單指/多指抓取、雙臂協(xié)同”等高頻工業(yè)場景，包含力控、視覺、關節(jié)角度等多模態(tài)數(shù)據(jù)。

?預訓練模型：

?主流模仿學習（IL）模型：如DP（Data-efficient Policy）、ACT（Action Chunking with Transformers），已適配宇樹硬件，可直接用于“從人類演示中學習操作技能”。

2.機器人開發(fā)框架：封裝核心算法，支持全流程落地

針對特定開發(fā)目標（模仿學習、強化學習）提供模塊化框架，嵌入式開發(fā)者可直接基于框架二次開發(fā)，無需從零搭建基礎邏輯。

框架名稱	核心功能	支持硬件	開發(fā)價值
unitree_IL_lerobot	基于LeRobot的模仿學習框架，覆蓋“數(shù)據(jù)收集→算法開發(fā)→模型訓練→實物部署”全流程	人形機器人G1、機械臂Z1、靈巧手Dex3	嵌入式開發(fā)者可快速實現(xiàn)“AI驅(qū)動的機器人操作”，無需關注算法底層細節(jié)，僅需適配硬件接口
unitree_rl_gym	強化學習（RL）實現(xiàn)倉庫，封裝經(jīng)典RL算法	四足機器人Go2、人形機器人H1/H1_2、G1	用于開發(fā)“自主決策類任務”（如機器人避障、動態(tài)平衡），支持仿真與實物端統(tǒng)一調(diào)用

3.仿真工具：降低嵌入式開發(fā)“實物試錯成本”

嵌入式開發(fā)中“實物調(diào)試風險高、周期長”，宇樹提供2類仿真工具，支持“先仿真驗證，再實物部署”。

?unitree_mujoco：

?基于宇樹SDK2和Mujoco物理引擎開發(fā)，可無縫集成用unitree_sdk2/unitree_ros2/unitree_sdk2_python寫的控制程序。

?核心價值：嵌入式開發(fā)者可先在仿真中驗證“關節(jié)控制、運動規(guī)劃”邏輯，避免因代碼bug損壞硬件（如電機堵轉、機械臂碰撞）。

?unitree_ros（ROS1）/ unitree_ros2（ROS2）：

?包含所有宇樹機器人的URDF模型（可獲取質(zhì)量、轉動慣量、關節(jié)限位等關鍵硬件參數(shù)），并提供unitree_controller（控制器）、unitree_gazebo（Gazebo仿真包）。

?核心價值：適配ROS生態(tài)，支持用Gazebo快速搭建“多機器人協(xié)同、傳感器融合”的仿真場景，嵌入式開發(fā)者可基于此做“分布式控制”驗證。

4.硬件控制SDK：嵌入式開發(fā)的“底層入口”

SDK是嵌入式開發(fā)者與宇樹機器人硬件交互的核心工具，按“機器人類型”和“開發(fā)語言”細分，覆蓋從“單關節(jié)控制”到“整機運動”的全層級需求。

（1）多機器人通用SDK

SDK名稱	支持硬件	開發(fā)語言	核心功能	嵌入式場景適配
unitree_legged_sdk	四足機器人Aliengo、A1、Go1	C++	提供“底層關節(jié)控制接口”（單關節(jié)角度/力矩控制）和“高層運動接口”（指定速度/步態(tài)控制）	適用于對實時性要求高的場景（如四足機器人動態(tài)平衡），可直接對接嵌入式實時系統(tǒng)（如RT-Thread、VxWorks）
unitree_sdk2	四足機器人Go2/B2、人形機器人H1	C++	功能定位與unitree_legged_sdk一致，硬件適配升級	支持新一代機器人的“高算力硬件”（如H1的軀干計算單元），接口更簡潔，實時性優(yōu)化
unitree_sdk2_python	Go2/B2/H1/G1	Python	unitree_sdk2的Python封裝	適合嵌入式開發(fā)者快速做“原型驗證”（如用Python寫簡單的步態(tài)測試腳本），再用C++重構底層邏輯

（2）機械臂專用SDK

?z1_controller：Z1機械臂的“驅(qū)動橋梁”，必須單獨運行才能調(diào)用z1_sdk，負責硬件通信協(xié)議解析。

?z1_sdk：Z1機械臂控制核心SDK，提供C++/Python接口：

?底層模式：直接控制每個關節(jié)的角度、速度、力矩；

?高層模式：實現(xiàn)“點到點運動”（如指定機械臂末端坐標）。

?z1_joystick：B1機器狗搭載Z1時的“遙控器控制例程”，支持自定義遙控器適配（如替換為工業(yè)遙控器）。

（3）傳感器SDK

針對宇樹自研傳感器，提供二次開發(fā)接口，降低嵌入式“傳感器-機器人”集成難度：

?電機SDK：封裝電機通信協(xié)議，避免嵌入式開發(fā)者手動解析CAN/LIN總線數(shù)據(jù)，直接調(diào)用“電機啟停、轉速控制”接口。

?4D Lidar SDK：L1/L2激光雷達的二次開發(fā)SDK，支持獲取點云、IMU數(shù)據(jù)。

?4D Lidar L1 Open Source SLAM：基于Point-LIO算法，僅用L1的點云和內(nèi)置IMU即可完成SLAM（同步定位與地圖構建），嵌入式開發(fā)者可直接集成到“機器人自主導航”模塊。

（4）相機SDK

?Go1 Camera SDK routines：Go2機器人相機的開發(fā)例程，支持獲取RGB、深度圖像，可用于“視覺引導抓取”等場景。

5.遙操作示例：嵌入式“人機交互”開發(fā)參考

提供2類主流設備的遙操作方案，嵌入式開發(fā)者可直接復用“硬件通信邏輯”和“運動映射算法”：

?Kinect Camera Teleoperation：基于Azure Kinect深度相機的H1人形機器人雙臂遙操作程序，實現(xiàn)“人類動作→機器人動作”的實時映射。

?Apple Vision Pro Teleoperation：基于AVP（Apple Vision Pro）的H1_2遙操作倉庫，適配VR設備的空間定位數(shù)據(jù)，適合開發(fā)“沉浸式遙操作”（如遠程工業(yè)裝配）。

6.學習與教學資源：嵌入式入門進階工具

?unitree_guide：配合教材《四足機器人控制算法——建模、控制與實踐》的開源項目，包含：

?機器人關節(jié)電機控制方法、四足機器人力控算法；

?同時配置“仿真環(huán)境”和“實物開發(fā)環(huán)境”，1-2條命令即可切換。

?核心價值：嵌入式開發(fā)者可從“基礎控制算法”入手，理解“電機模型→力控邏輯→步態(tài)規(guī)劃”的底層關聯(lián)，避免直接開發(fā)時“知其然不知其所以然”。

二、嵌入式開發(fā)者如何精準利用這些開源資料？

嵌入式開發(fā)的核心需求是“底層硬件控制、實時性優(yōu)化、硬件-算法協(xié)同、低成本試錯”，需根據(jù)具體開發(fā)場景匹配資源，以下分6類場景給出策略：

場景1：底層電機/關節(jié)控制（核心需求：實時性、硬件適配）

?推薦資源：unitree_legged_sdk（C++）、unitree_sdk2（C++）、電機SDK、z1_sdk（底層模式）。

?使用方法：

a.先通過unitree_guide的仿真環(huán)境，理解“電機力矩控制、關節(jié)限位保護”的邏輯（避免實物調(diào)試時電機過載）；

b.用C++基于SDK開發(fā)底層驅(qū)動：直接調(diào)用SDK的“關節(jié)控制接口”，對接嵌入式硬件的CAN總線（宇樹機器人電機多采用CAN通信）；

c.重點關注SDK中的“實時性參數(shù)”（如控制周期、數(shù)據(jù)傳輸波特率），適配嵌入式系統(tǒng)的調(diào)度優(yōu)先級（如在Linux中用RT_PREEMPT補丁優(yōu)化實時性）。

場景2：機器人整機運動控制（如四足步態(tài)、人形行走）

?推薦資源：unitree_guide、unitree_sdk2（高層模式）、unitree_mujoco。

?使用方法：

a.從unitree_guide學習“四足機器人力控步態(tài)”的數(shù)學模型（如足端軌跡規(guī)劃、身體姿態(tài)調(diào)整）；

b.在unitree_mujoco中仿真驗證“步態(tài)參數(shù)”（如步長、步頻），觀察機器人是否穩(wěn)定；

c.用unitree_sdk2的高層接口（如“指定速度控制”）將仿真驗證后的步態(tài)移植到實物，僅需修改“硬件偏移參數(shù)”（如不同機器人的關節(jié)零位差異）。

場景3：AI +機器人融合（如視覺抓取、自主避障）

?推薦資源：embodied AI數(shù)據(jù)集、unitree_IL_lerobot、unitree_rl_gym、4D Lidar SLAM、Go1 Camera SDK。

?使用方法：

a.若做“模仿學習”（如讓G1手模仿人類抓?。河?/span>unitree_IL_lerobot的“數(shù)據(jù)收集模塊”采集人類演示數(shù)據(jù)，結合官方數(shù)據(jù)集訓練模型，再通過SDK部署到機器人；

b.若做“自主導航”：直接集成4D Lidar L1的SLAM倉庫，獲取機器人位姿，再用unitree_sdk2控制機器人避障（SLAM輸出的地圖+ SDK的運動控制結合）；

c.嵌入式優(yōu)化點：將AI模型（如ACT）通過TensorRT量化，部署到機器人的嵌入式算力單元（如H1的NVIDIA Jetson），降低延遲。

場景4：傳感器集成（激光雷達、相機與機器人協(xié)同）

?推薦資源：4D Lidar SDK、Go1 Camera SDK、unitree_ros2。

?使用方法：

a.用傳感器SDK獲取原始數(shù)據(jù)（如L1的點云、Go1相機的RGB圖），通過unitree_ros2的“話題發(fā)布”功能，將數(shù)據(jù)同步到機器人的控制節(jié)點；

b.嵌入式層需處理“傳感器時間同步”（如用ROS2的時間戳機制，對齊點云、IMU、關節(jié)數(shù)據(jù)），避免因數(shù)據(jù)延遲導致“控制失準”（如視覺抓取時相機與機械臂不同步）。

場景5：遙操作功能開發(fā)（如工業(yè)遠程控制）

?推薦資源：Kinect Camera Teleoperation、Apple Vision Pro Teleoperation、z1_joystick。

?使用方法：

a.復用示例中的“設備通信邏輯”（如Azure Kinect的深度數(shù)據(jù)解析、AVP的空間定位數(shù)據(jù)接收）；

b.自定義“運動映射規(guī)則”（如將人類手臂的角度映射到H1的雙臂關節(jié)，需根據(jù)嵌入式硬件的算力調(diào)整映射延遲）；

c.基于z1_joystick的例程，適配工業(yè)遙控器（如替換為無線手柄），增加“緊急停止”硬件接口（嵌入式安全開發(fā)核心需求）。

場景6：快速原型驗證與學習進階

?推薦資源：unitree_sdk2_python、unitree_ros（Gazebo）、unitree_guide。

?使用方法：

a.用Python（unitree_sdk2_python）快速寫測試腳本（如控制G1手開合、H1單腿抬起），驗證硬件通信是否正常；

b.用unitree_ros的Gazebo環(huán)境，搭建“多機器人協(xié)同”仿真（如Go2配合Z1搬運物體），驗證分布式控制邏輯；

c.新手從unitree_guide配合教材入手，先掌握“機器人建模→控制算法→SDK調(diào)用”的全鏈路，再深入某一方向（如電機控制、AI部署）。

三、總結：嵌入式開發(fā)的“宇樹開源資源使用邏輯”

宇樹的開源資料不是孤立的，而是“從學習→仿真→開發(fā)→部署”的遞進關系：

1.入門層：用unitree_guide+仿真環(huán)境打基礎，理解控制原理；

2.原型層：用Python SDK（unitree_sdk2_python）快速驗證硬件與算法邏輯；

3.開發(fā)層：用C++ SDK（unitree_sdk2、z1_sdk）做底層開發(fā)，優(yōu)化實時性；

4.集成層：用框架（unitree_IL_lerobot）+傳感器SDK（Lidar/Camera）做上層功能集成；

5.驗證層：用unitree_mujoco/ROS Gazebo做全場景驗證，再落地實物。

嵌入式開發(fā)者無需“面面俱到”，只需根據(jù)自身需求（如專注電機控制、還是AI部署）錨定核心資源，逐步深入，即可高效利用宇樹的開源生態(tài)降低開發(fā)成本。