【保姆级教程】从零部署宇树 Unitree 机器人 ROS 2 环境 (Go2/B2/H1) (Humble + 真实硬件)

摘要

本文为希望在ROS 2 (Humble) 环境下开发宇树 (Unitree) 机器人(支持 Go2, B2, H1)的开发者提供了一篇详尽的、从零开始的部署指南。我们将首先在 Ubuntu 22.04 上安装 ROS 2 Humble,然后重点讲解如何配置 unitree_ros2 功能包,实现 ROS 2 节点与机器人底层 DDS 系统的直接通信。本教程基于官方文档,并针对 Humble 环境进行了优化,可跳过 Foxy 版本复杂的 CycloneDDS 编译步骤

核心环境:

  • 操作系统: Ubuntu 22.04 (Jammy)
  • ROS 2 版本: Humble Hawksbill (LTS)
  • 目标硬件: Unitree Go2 / B2 / H1 (真实机器人)

[TOC]

🤖 一、前言:为什么选择 unitree_ros2?

宇树官方的 unitree_ros2 仓库 (https://github.com/unitreerobotics/unitree_ros2) 提供了一种全新的 ROS 2 集成方式。

与传统的通过 SDK 封装再桥接到 ROS 2 的方式不同,unitree_ros2 利用了 Unitree SDK 2 (基于 CycloneDDS) 和 ROS 2 (同样使用 DDS) 在通信机制上的共性。这使得 ROS 2 节点可以直接与机器人的底层 DDS 通信,无需额外的 SDK 接口封装,实现了更原生、更高效的数据交换。

本教程将带您走通这个配置流程。

🛠️ 二、第一部分:安装 ROS 2 Humble (Ubuntu 22.04)

如果您已经安装好了 ROS 2 Humble,可以跳过此部分。

1. 设置 UTF-8 区域设置

确保您的系统支持 UTF-8。

Bash

sudo apt update && sudo apt install locales sudo locale-gen en_US en_US.UTF-8 sudo update-locale LC_ALL=en_US.UTF-8 LANG=en_US.UTF-8 export LANG=en_US.UTF-8 

2. 添加 ROS 2 软件源

添加 GPG 密钥并设置 ROS 2 仓库。

Bash

sudo apt install curl gnupg lsb-release sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(source /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null 

3. 安装 ROS 2 (Humble)

Bash

sudo apt update # 安装桌面完整版,包含 RVIZ 和示例 sudo apt install ros-humble-desktop 

3.1 (重要) 安装 colcon 构建工具

colcon 是 ROS 2 的标准构建工具,我们后续编译工作空间时会用到它。

Bash

# 此包通常作为 ros-humble-desktop 的依赖被自动安装 # 为确保万无一失,我们手动执行一次 sudo apt update sudo apt install python3-colcon-common-extensions 

4. 设置环境变量

将 ROS 2 的环境设置脚本添加到您的 .bashrc 中,以便新终端自动加载。

Bash

echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc # 使其在当前终端生效 source ~/.bashrc 

5. 测试安装

打开两个终端。

终端 1 (Talker):

Bash

ros2 run demo_nodes_cpp talker 

终端 2 (Listener):

Bash

ros2 run demo_nodes_py listener 

如果您在 Listener 终端能看到 Talker 发送的 [INFO] 消息,恭喜您,ROS 2 Humble 已成功安装!

🚀 三、第二部分:部署 Unitree ROS 2 功能包

这是本教程的核心。我们将配置 unitree_ros2 以连接到您的真实机器人。

1. 安装特定依赖

unitree_ros2 需要一些特定的 ROS 2 包和库。

Bash

sudo apt update sudo apt install ros-humble-rmw-cyclonedds-cpp sudo apt install ros-humble-rosidl-generator-dds-idl sudo apt install libyaml-cpp-dev sudo apt install git # (如果尚未安装) 

2. 克隆与编译工作空间

编译工作空间:

💡 关键提示 (Humble vs Foxy):

官方文档指出,如果您使用 ROS 2 Foxy,必须手动下载和编译特定版本的 cyclonedds (0.10.x)。

但我们使用 Humble,可以跳过这个繁琐的步骤! Humble 自带的 rmw_cyclonedds 版本已兼容。

我们直接编译 unitree_gounitree_api 包:Bash

# 进入工作空间 cd ~/unitree_ros2/cyclonedds_ws # (重要) 确保 ROS 2 环境已加载 source /opt/ros/humble/setup.bash # 编译所有包 colcon build 

等待编译完成,您应该会看到 install, build, log 目录。

克隆官方仓库到您的主目录:Bash

cd ~ git clone https://github.com/unitreerobotics/unitree_ros2 

3. 配置网络(连接真实机器人)

  1. 物理连接:使用网线将您的 Ubuntu 电脑与机器人连接。
  2. 查找网卡名称:打开终端,运行 ifconfigip a。找到您连接机器人的那个有线网卡,记下其名称,例如 enp3s0eth0
  3. 设置静态 IP
    • 打开 Ubuntu 的“网络设置”。
    • 找到该有线连接,进入 IPv4 设置。
    • 模式改为“手动”。
    • 设置地址:
      • 地址:192.168.123.99
      • 子网掩码:255.255.255.0
    • 点击“应用”并重新连接网络。

4. 修改环境脚本 (最关键一步)

unitree_ros2 提供了一个 setup.sh 脚本来配置 DDS。我们需要根据我们的环境(Humble 和 网卡名称)修改它。

  1. 保存并关闭文件。

修改文件内容:修改前 (原始文件内容):Bash

#!/bin/bash echo "Setup unitree ros2 environment" source /opt/ros/foxy/setup.bash # <--- (1) 这里是 foxy source $HOME/unitree_ros2/cyclonedds_ws/install/setup.bash export RMW_IMPLEMENTATION=rmw_cyclonedds_cpp export CYCLONEDDS_URI='<CycloneDDS><Domain><General><Interfaces>   <NetworkInterface name="enp3s0" priority="default" multicast="default" /> # <--- (2) 这里是 enp3s0                         </Interfaces></General></Domain></CycloneDDS>' 

修改后 (适配您的环境):Bash

#!/bin/bash echo "Setup unitree ros2 environment" source /opt/ros/humble/setup.bash # <--- (1) 必须改为 humble source $HOME/unitree_ros2/cyclonedds_ws/install/setup.bash export RMW_IMPLEMENTATION=rmw_cyclonedds_cpp export CYCLONEDDS_URI='<CycloneDDS><Domain><General><Interfaces>   <NetworkInterface name="YOUR_INTERFACE_NAME" priority="default" multicast="default" /> # <--- (2) 必须改为您在 3.2 步中找到的网卡名                         </Interfaces></General></Domain></CycloneDDS>' 

(例如,如果您的网卡是 eth0,就改成 name="eth0"

打开脚本文件:Bash

gedit ~/unitree_ros2/setup.sh 

5. 连接与测试

  1. 启动机器人

查看数据:Bash

ros2 topic echo /sportmodestate 

如果一切正常,您将看到机器人的状态数据开始刷屏,部署成功!

测试连接:Bash

ros2 topic list 

如果网络配置正确,DDS 会自动发现机器人。您应该能看到一系列来自机器人的话题,例如:

/api/sport/request /lf/lowstate /sportmodestate /wirelesscontroller ... 

打开一个新终端运行您修改后的 setup.sh 来加载所有环境:Bash

source ~/unitree_ros2/setup.sh 

✅ 四、第四部分:编译和运行示例

unitree_ros2 仓库还提供了一个 example 工作空间。

  1. 打开一个新终端

运行示例(例如:读取运动状态):Bash

# 确保您在 example 目录下 ./install/unitree_ros2_example/bin/read_motion_state 

您将在终端看到格式化后的机器人状态信息:

[INFO] [1697525196.266174885] [motion_state_suber]: Position -- x: 0.567083; y: 0.213920; z: 0.052338; body height: 0.320000 [INFO] [1697525196.266230044] [motion_state_suber]: Velocity -- vx: -0.008966; vy: -0.001431; vz: -0.019455; yaw: -0.002131 ... 

编译示例:Bash

cd ~/unitree_ros2/example colcon build 

加载 Unitree 环境(必须!):Bash

source ~/unitree_ros2/setup.sh 

💡 五、总结与常见问题 (FAQ)

本教程详细介绍了如何在 Ubuntu 22.04 + ROS 2 Humble 环境下,部署 unitree_ros2 功能包以连接真实机器人硬件。最关键的步骤是修改 setup.sh 脚本,使其指向 humble 并使用正确的网卡名称

Q: 我运行 ros2 topic list 为什么看不到机器人的话题?

A: 99% 是网络问题。

  1. 检查物理连接:网线是否插好?机器人是否开机?
  2. 检查 IP 地址:您电脑的 IP 是否静态设置为了 192.168.123.99
  3. 检查 setup.sh:您是否 source修改后setup.sh
  4. 检查网卡名称CYCLONEDDS_URI 变量中的 name 是否绝对正确
  5. 检查防火墙sudo ufw disable 临时禁用防火墙试试。

Q: colcon build 编译 cyclonedds_ws 失败了。

A: 确保您在编译前运行了 source /opt/ros/humble/setup.bash,并且已经安装了 ros-humble-rmw-cyclonedds-cpp 等所有依赖。


希望这篇教程对您有帮助!点赞、收藏、加关注,我们下次再见!

Read more

Llama-3.2-3B部署优化:Ollama配置context window与token限制详解

Llama-3.2-3B部署优化:Ollama配置context window与token限制详解 如果你正在使用Ollama运行Llama-3.2-3B,可能会遇到这样的问题:对话聊着聊着,模型好像“失忆”了,不记得之前说了什么;或者当你输入一段稍长的文本时,直接被截断,只处理了前面一小部分。 这通常不是模型本身的问题,而是默认的上下文长度(context window)和token限制设置不够用。今天,我就来手把手教你如何调整这些关键参数,让你的Llama-3.2-3B真正“火力全开”,处理更长的对话和文档。 1. 核心概念:为什么需要调整Context Window和Token限制? 在深入操作之前,我们先花两分钟搞懂两个关键名词,这能帮你更好地理解为什么要调整,以及调整到什么程度合适。 1.1 什么是Context Window(上下文窗口)? 你可以把Context Window想象成模型的工作记忆区或“短期记忆”。它决定了模型在生成下一个词时,能“看到”并参考之前多长的文本。 * 默认情况:很多模型,包括Ollama默认拉取的Llama-3.2-3B,

2026 届毕业生必看:各大学位论文 AIGC 检测率要求汇总,超过这个数真的危险了!

2026 届毕业生必看:各大学位论文 AIGC 检测率要求汇总,超过这个数真的危险了!

一、 前言 随着 2026 届毕业季的临近,很多小伙伴在写论文时都离不开 AI 的辅助。但今年最让大家头疼的不再仅仅是查重率,而是新出的AIGC 疑似度。 很多学校已经明确:如果 AIGC 检测超过阈值,直接取消答辩资格! 今天我就帮大家梳理一下目前主流的检测要求,以及如何正确应对。 二、 各大高校 AIGC 检测率“红线”汇总 虽然各校标准不一,但根据目前各大高校反馈的最新政策,基本可以划分为三个梯度: 风险等级AIGC 疑似度范围学校处理建议安全区< 20%基本无风险,属于合理参考范围。预警区20% - 40%导师需进行人工核查,可能要求提供写作痕迹证据。高危区> 40%极大可能被判定为“代写”或“学术不端”,面临延毕风险。 注意: 部分顶尖院校(如 C9

解锁AIGC新时代:通义万相2.1与蓝耘智算平台的完美结合引领AI内容生成革命

解锁AIGC新时代:通义万相2.1与蓝耘智算平台的完美结合引领AI内容生成革命

前言 通义万相2.1作为一个开源的视频生成AI模型,在发布当天便荣登了VBench排行榜的榜首,超越了Sora和Runway等业内巨头,展现出惊人的潜力。模型不仅能够生成1080P分辨率的视频,而且没有时长限制,能够模拟自然动作,甚至还可以还原物理规律,这在AIGC领域中简直堪称革命性突破。通过蓝耘智算平台,我们能够轻松部署这个模型,创建属于自己的AI视频生成工具。今天,我将为大家深入探讨通义万相2.1的强大功能,并分享如何利用蓝耘智算平台快速入门。 蓝耘智算平台 1. 平台概述 蓝耘智算平台是一个为高性能计算需求设计的云计算平台,提供强大的计算能力与灵活服务。平台基于领先的基础设施和大规模GPU算力,采用现代化的Kubernetes架构,专为大规模GPU加速工作负载而设计,满足用户多样化的需求。 2. 核心优势 * 硬件层: 蓝耘智算平台支持多型号GPU,包括NVIDIA A100、V100、H100等高性能显卡,能够通过高速网络实现多机多卡并行计算,突破单机算力瓶颈。 * 软件层: 集成Kubernetes与Docker技术,便于任务迁移与隔离;支持PyTo

ChatGPT免费版与微软Copilot深度对比:技术选型与新手避坑指南

作为一名开发者,最近在项目里想集成一个AI助手,面对市面上眼花缭乱的选择,尤其是免费的ChatGPT和微软力推的Copilot,到底该选哪个?这确实是个让人纠结的问题。我花了一些时间,从技术实现、实际调用到性能表现,做了一次比较深入的对比和测试,希望能给同样有选择困难的朋友们一些参考。 1. 市场定位与典型场景:它们各自擅长什么? 简单来说,你可以把ChatGPT免费版看作一个“通用型对话专家”,而微软Copilot更像一个“深度集成在微软生态里的专业副驾驶”。 * ChatGPT免费版:它的核心优势在于强大的通用对话和文本生成能力。无论是头脑风暴、撰写邮件、学习新概念,还是进行开放式的创意讨论,它都能提供质量不错的回应。对于开发者而言,它非常适合用于: * 学习新技术:解释复杂的编程概念或算法。 * 代码解释与重构:将一段代码丢给它,让它解释逻辑或提出优化建议。 * 生成示例代码:根据自然语言描述,快速生成某个功能的代码片段原型。 * 微软Copilot:它的设计初衷就是提升开发和生产效率,与Visual Studio Code、GitHub、Micros