Unitree G1

Unitree G1 locomanipulation demo

Unitree G1 人形机器人现在已获 LeRobot 支持！你可以进行 teleoperation、训练移动操作（locomanipulation）policy、在 simulation 中测试等。29 和 23 自由度两种型号均受支持。

第一部分：入门

安装 Unitree SDK

请遵循 unitree_sdk2_python 安装指南。已使用 unitree_sdk2py==1.0.1 和 cyclonedds==0.10.2 测试通过：

conda create -y -n lerobot python=3.12
conda activate lerobot
git clone https://github.com/unitreerobotics/unitree_sdk2_python.git
cd unitree_sdk2_python
pip install -e .
cd ..

安装 LeRobot

conda install ffmpeg -c conda-forge
conda install -c conda-forge "pinocchio>=3.0.0,<4.0.0"
git clone https://github.com/huggingface/lerobot.git
cd lerobot
pip install -e '.[unitree_g1]'
目前，pinocchio 必须从 conda-forge（而非 pip）安装，以包含机械臂 IK 所需的 CasADi 绑定。

测试安装（simulation）

simulation environment 有自己的依赖。请查看 simulation environment 依赖：Unitree G1 Mujoco EnvHub。

pip install mujoco loguru msgpack msgpack-numpy
lerobot-teleoperate \
  --robot.type=unitree_g1 \
  --robot.is_simulation=true \
  --teleop.type=unitree_g1 \
  --teleop.id=wbc_unitree \
  --robot.cameras='{"global_view": {"type": "zmq", "server_address": "localhost", "port": 5555, "camera_name": "head_camera", "width": 640, "height": 480, "fps": 30, "warmup_s": 5}}' \
  --display_data=true \
  --robot.controller=GrootLocomotionController

这将为 G1 启动一个 MuJoCo simulation 实例。你可以在启动前将游戏手柄连接到机器，以便在 simulation 中控制机器人的移动。我们通过 --robot.controller 同时支持 HolosomaLocomotionController 和 GrootLocomotionController。

  • 按下 9 释放机器人
  • 按下 7 / 8 增加 / 降低腰部高度

连接到物理机器人

G1 的以太网 IP 固定为 192.168.123.164。你的机器必须在同一子网上具有静态 IP：192.168.123.x，其中 x ≠ 164。

# Replace 'enp131s0' with your ethernet interface name (check with `ip a`)
sudo ip addr flush dev enp131s0
sudo ip addr add 192.168.123.200/24 dev enp131s0
sudo ip link set enp131s0 up

SSH 登录机器人

ssh unitree@192.168.123.164
# Password: 123

通过以太网共享网络

G1 需要网络访问来克隆仓库和安装软件包。通过以太网共享你笔记本电脑的连接：

在笔记本电脑上：

sudo sysctl -w net.ipv4.ip_forward=1

# Replace wlp132s0f0 with your WiFi interface name
sudo iptables -t nat -A POSTROUTING -o wlp132s0f0 -s 192.168.123.0/24 -j MASQUERADE
sudo iptables -A FORWARD -i wlp132s0f0 -o enp131s0 -m state --state RELATED,ESTABLISHED -j ACCEPT
sudo iptables -A FORWARD -i enp131s0 -o wlp132s0f0 -j ACCEPT

在 G1 上：

sudo ip route del default 2>/dev/null || true
sudo ip route add default via 192.168.123.200 dev eth0
echo "nameserver 8.8.8.8" | sudo tee /etc/resolv.conf

# Verify
ping -c 3 8.8.8.8

在 G1 上安装 Unitree SDK

参照 unitree_sdk2_python 安装指南：

conda create -y -n lerobot python=3.12
conda activate lerobot
git clone https://github.com/unitreerobotics/unitree_sdk2_python.git
cd unitree_sdk2_python
python -m pip install -e .
cd ..

在 G1 上安装 LeRobot

git clone https://github.com/huggingface/lerobot.git
cd lerobot
conda install -c conda-forge "pinocchio>=3.0.0,<4.0.0"
python -m pip install -e '.[unitree_g1]'
目前，pinocchio 必须从 conda-forge（而非 pip）安装，以包含机械臂 IK 所需的 CasADi 绑定。

###（可选）在机器人上启用 WiFi

为了进行无线 SSH 访问，你可以在 G1 上启用 WiFi（默认是禁用的）：

sudo rfkill unblock all
sudo ip link set wlan0 up
sudo nmcli radio wifi on
sudo nmcli device set wlan0 managed yes
sudo systemctl restart NetworkManager

连接到 WiFi 网络：

nmcli device wifi list

sudo nmcli connection add type wifi ifname wlan0 con-name "YourNetwork" ssid "YourNetwork"
sudo nmcli connection modify "YourNetwork" wifi-sec.key-mgmt wpa-psk
sudo nmcli connection modify "YourNetwork" wifi-sec.psk "YourPassword"
sudo nmcli connection modify "YourNetwork" connection.autoconnect yes
sudo nmcli connection up "YourNetwork"

ip a show wlan0

然后你就可以通过 WiFi（而非以太网）进行 SSH：

ssh unitree@<ROBOT_WIFI_IP>
# Password: 123

第二部分：teleoperation 与移动

运行机器人服务器

在机器人上（从 ~/lerobot 目录）：

cd ~/lerobot
python src/lerobot/robots/unitree_g1/run_g1_server.py --camera

运行移动 policy

你可以从笔记本电脑通过以太网、通过 WiFi（实验性）运行 teleoperation 客户端，或直接在机器人本身上运行。请注意网络可能引入的延迟。

从你的笔记本电脑：

lerobot-teleoperate \
  --robot.type=unitree_g1 \
  --robot.is_simulation=false \
  --robot.robot_ip=<ROBOT_IP> \
  --teleop.type=unitree_g1 \
  --teleop.id=wbc_unitree \
  --robot.cameras='{"global_view": {"type": "zmq", "server_address": "<ROBOT_IP>", "port": 5555, "camera_name": "head_camera", "width": 640, "height": 480, "fps": 30}}' \
  --display_data=true \
  --robot.controller=HolosomaLocomotionController

我们通过 --robot.controller 同时支持 GrootLocomotionController 和 HolosomaLocomotionController。

第三部分：使用 Homunculus 外骨骼进行移动操作

我们通过 Homunculus 外骨骼提供了一种移动操作解决方案——这是一款用于全身控制的开源 7 自由度外骨骼。点击这里了解详情。

calibration

lerobot-calibrate \
  --teleop.type=unitree_g1 \
  --teleop.left_arm_config.port=/dev/ttyACM1 \
  --teleop.right_arm_config.port=/dev/ttyACM0 \
  --teleop.id=exo

calibration 期间，将每个关节移动到其整个范围。装好后，将关节移动到中立位置并按下 n 继续。

录制 dataset

lerobot-record \
  --robot.type=unitree_g1 \
  --robot.is_simulation=true \
  --robot.cameras='{"global_view": {"type": "zmq", "server_address": "localhost", "port": 5555, "camera_name": "head_camera", "width": 640, "height": 480, "fps": 30}}' \
  --teleop.type=unitree_g1 \
  --teleop.left_arm_config.port=/dev/ttyACM1 \
  --teleop.right_arm_config.port=/dev/ttyACM0 \
  --teleop.id=exo \
  --dataset.repo_id=your-username/dataset-name \
  --dataset.single_task="Test" \
  --dataset.num_episodes=2 \
  --dataset.episode_time_s=5 \
  --dataset.reset_time_s=5 \
  --dataset.push_to_hub=true \
  --dataset.streaming_encoding=true \
  --dataset.encoder_threads=2

注意： 如果你只使用操纵杆，请省略 --teleop.left_arm_config.port 和 --teleop.right_arm_config.port。

示例 dataset：nepyope/unitree_box_move_blue_full

第四部分：训练与 inference

训练

python src/lerobot/scripts/lerobot_train.py \
  --dataset.repo_id=your-username/dataset-name  \
  --policy.type=pi05 \
  --output_dir=./outputs/pi05_training \
  --job_name=pi05_training \
  --policy.repo_id=your-username/your-repo-id \
  --policy.pretrained_path=lerobot/pi05_base \
  --policy.compile_model=true \
  --policy.gradient_checkpointing=true \
  --wandb.enable=true \
  --policy.dtype=bfloat16 \
  --policy.freeze_vision_encoder=false \
  --policy.train_expert_only=false \
  --steps=3000 \
  --policy.device=cuda \
  --batch_size=32

使用 RTC 进行 inference

训练完成后，我们建议使用 inference 时 RTC 部署 policy：

lerobot-rollout \
  --strategy.type=base \
  --policy.path=your-username/your-repo-id \
  --policy.device=cuda \
  --robot.type=unitree_g1 \
  --robot.is_simulation=false \
  --robot.controller=HolosomaLocomotionController \
  --robot.cameras='{"global_view": {"type": "zmq", "server_address": "<ROBOT_IP>", "port": 5555, "camera_name": "head_camera", "width": 640, "height": 480, "fps": 30}}' \
  --task="task_description" \
  --duration=1000 \
  --fps=30 \
  --inference.type=rtc

第五部分：SONIC 全身控制（潜空间 token policy）

LeRobot 现在将 NVIDIA SONIC 全身部署技术栈的解码器部分移植为 SonicWholeBodyController。policy 不再直接命令关节，而是每个周期输出一个 64 维的潜空间运动 token（motion_token.{i}.pos）；SONIC 解码器将该 token 与近期的本体感受历史映射为一个残差 action，该残差 action 经缩放后叠加到站立姿态上，为全部 29 个自由度生成 50 Hz 的关节位置目标。

控制器从 lerobot/sonic_decoder 加载其 ONNX 解码器和所有部署常量（PD 增益、default_angles、action_scale 以及中性 token）。该仓库还附带了蒸馏后的低延迟解码器，可通过控制器的 policy_type="low_latency" 参数选择（默认为 "default"）。

在 simulation 中测试

任何在 SONIC 运动 token 上训练的 token 输出 policy（例如 nepyope/sonic_walk）都可以驱动它：

lerobot-rollout \
  --strategy.type=base \
  --policy.path=nepyope/sonic_walk \
  --policy.device=cuda \
  --robot.type=unitree_g1 \
  --robot.is_simulation=true \
  --robot.controller=SonicWholeBodyController \
  --robot.cameras='{"ego_view": {"type": "zmq", "server_address": "localhost", "port": 5555, "camera_name": "head_camera", "width": 640, "height": 480, "fps": 30, "warmup_s": 15}}'

在物理机器人上运行

在硬件上，请使用async inference而不是单一的 lerobot-rollout 循环来运行 policy。从笔记本电脑驱动的 rollout 会把网络置于控制回路中间：每一步都会阻塞在 inference 上，一次卡顿就会在机器人站立期间让 50 Hz 的平衡回路停摆。async inference 将两者分开——policy 在你的 GPU 机器上运行，而机器人客户端在 G1 的 Jetson 上运行，因此 SONIC 控制器线程和 rt/lowcmd 保持在机载端，只有 64 维的 token 块穿过网络。

三个进程，同时第二部分中的机器人服务器持续运行：

GPU machine                     G1 (Jetson)
policy_server  ◄── gRPC ──►  robot_client: UnitreeG1 + SONIC decoder @ 50 Hz
  checkpoint                        │ ZMQ (lowcmd 6000, lowstate 6001, camera 5555)
                                    ▼
                             run_g1_server.py  ◄──► rt/lowcmd, rt/lowstate (DDS)

首先在 GPU 机器上启动 policy server：

python -m lerobot.async_inference.policy_server \
  --host=0.0.0.0 \
  --port=8080 \
  --fps=30

在机器人上启动服务器（桥接 + 相机）：

python src/lerobot/robots/unitree_g1/run_g1_server.py --camera

然后，在机器人的第二个终端中启动客户端。由于桥接在同一台机器上运行，机器人侧的一切都是回环：

python -m lerobot.async_inference.robot_client \
  --server_address=<GPU_MACHINE_IP>:8080 \
  --policy_type=pi05 \
  --pretrained_name_or_path=nepyope/sonic_walk \
  --policy_device=cuda \
  --actions_per_chunk=50 \
  --fps=30 \
  --task="walk forward" \
  --robot.type=unitree_g1 \
  --robot.is_simulation=false \
  --robot.robot_ip=127.0.0.1 \
  --robot.controller=SonicWholeBodyController \
  --robot.cameras='{"ego_view": {"type": "zmq", "server_address": "127.0.0.1", "port": 5555, "camera_name": "head_camera", "width": 640, "height": 480, "fps": 30, "warmup_s": 5}}'

有几点需要注意：

  • --policy_device 是 服务器 加载 policy 的目标设备——客户端在握手期间发送它。
  • --actions_per_chunk 不得超过 checkpoint 的 action chunk 大小（nepyope/sonic_walk 为 50）。
  • 使用 SonicWholeBodyController 时，observation state 是 64 维的 token 回显，而不是 29 个关节位置，因此 checkpoint 必须针对相同的 state 进行训练。

连接时，机器人在控制器接管之前会将每个关节缓慢移动到解码器的 default_angles，因此最初的 policy 命令不会从连接时的姿态突然跳动。

其他资源

最后更新：2026 年 7 月

在 GitHub 上更新