宇树把 Unitree RL Lab 放在公开仓库 https://github.com/unitreerobotics/unitreerllab 。它基于 NVIDIA Isaac Lab,目前写明支持四足 Go2、人形 H1 和 G1-29dof。训练完的策略先在 Mujoco 里做 sim2sim,再经 unitree_sdk2 部署到真机。官方示例任务是 Unitree-G1-29dof-Velocity。
仓库里已经写明的路径
安装说明要求先装好 Isaac Lab,再把这个仓库克隆到 Isaac Lab 目录之外,用仓库里的 unitreerllab.sh 安装、列出任务、训练和推理。机器人模型有两种接法。USD 从 Hugging Face 上的 unitreemodel 下载。URDF 是官方推荐,只适用于 Isaac Sim 5.0 及以上,文件来自 unitreeros。部署侧要先装 unitreesdk2,在对应机型目录里编译控制器。sim2sim 用 unitreemujoco:仿真里把机器人放下、脚接触地面,再跑策略。
同一家公司的开源页还列了 unitreerlgym,支持 Go2、H1、H1_2 和 G1。这篇微信稿另外提到 Unitree RL Mjlab,没有给出仓库地址。仿真成绩和真机抓取之间的时间差,见Fable 5.2 与 GR00T 2。
原文多出来的效率说法
微信稿写了几件仓库首页没有给出对照实验的事:融合 PhysX 5.1 和 TensorRT,支持多 GPU 分布式训练,相比传统仿真平台效率提升 50% 以上,并已适配 Isaac Lab 2.3.0 和 Isaac Sim 5.1.0。这些按原文说法保留,不能当成已经公开的基准结果。稿里还说预设了速度控制和步态规划,并支持自定义任务。公开示例里能直接对上的是速度任务 Unitree-G1-29dof-Velocity。
这条链路没有取消真机偏差
仓库把流程写成训练、Mujoco 验证、SDK2 上机。验证通过再上机,只说明中间多了一次仿真对照,不保证策略在灰尘、摩擦和延迟下仍然成立。微信稿末尾的算力券、交流群和“阅读原文”是发布账号的导流,与仓库功能无关。
常见问题
Q:Unitree RL Lab 支持哪几款机器人? A:仓库首页写的是 Go2、H1 和 G1-29dof。示例训练任务是 Unitree-G1-29dof-Velocity。
Q:训练完怎么上真机? A:先在 Mujoco 里做 sim2sim,再用 unitree_sdk2 部署。URDF 是推荐接法,需要 Isaac Sim 5.0 或更高版本。
Q:训练效率提升 50% 有公开对照吗? A:这是微信稿的说法。unitreerllab 的仓库说明没有给出对照实验,不能把 50% 当成已公布的基准。