【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

Qwen-Image-Lightning体验报告:中文语义理解超强的AI画师

Qwen-Image-Lightning体验报告:中文语义理解超强的AI画师 自从Qwen图像系列模型发布以来,它在中文多模态理解与生成领域持续展现出独特优势。不同于依赖英文提示词工程的主流文生图模型,Qwen系列从底层就深度适配中文语义结构——而最新推出的Qwen-Image-Lightning,正是这一技术路线的集大成者:它不是简单地“支持中文”,而是真正让中文成为创作的原生语言。 本文将从真实使用场景出发,不堆砌参数、不罗列指标,全程聚焦一个核心问题:当你输入一句地道的中文描述时,它到底能不能听懂?听懂之后,又能不能把那种只可意会的意境,稳稳当当地画出来? 1. 为什么说它是“中文语义理解超强”的AI画师? 很多用户试过用中文提示词生成图片,结果却不如英文稳定。原因往往不在模型本身,而在语义断层——中文的意象表达、虚实转换、文化隐喻,和英文的直白逻辑存在天然差异。 Qwen-Image-Lightning的突破点,恰恰在于它继承了Qwen-VL系列对中文语义空间的长期建模能力。它不把“水墨丹青中国龙”拆解为“ink painting, Chinese dragon,

一文熟悉新版llama.cpp使用并本地部署LLAMA

一文熟悉新版llama.cpp使用并本地部署LLAMA

0. 简介 关于UCloud(优刻得)旗下的compshare算力共享平台 UCloud(优刻得)是中国知名的中立云计算服务商,科创板上市,中国云计算第一股。 Compshare GPU算力平台隶属于UCloud,专注于提供高性价4090算力资源,配备独立IP,支持按时、按天、按月灵活计费,支持github、huggingface访问加速。 使用下方链接注册可获得20元算力金,免费体验10小时4090云算力 https://www.compshare.cn/?ytag=GPU_lovelyyoshino_LZEEKLOG_ZEEKLOG_display 最近是快到双十一了再给大家上点干货。去年我们写了一个大模型的系列,经过一年,大模型的发展已经日新月异。这一次我们来看一下使用llama.cpp这个项目,其主要解决的是推理过程中的性能问题。主要有两点优化: * llama.cpp 使用的是 C 语言写的机器学习张量库 ggml llama.cpp 提供了模型量化的工具 此项目的牛逼之处就是没有GPU也能跑LLaMA模型。llama.

语音识别效率革命:whisper-large-v3-turbo一键部署指南

语音识别效率革命:whisper-large-v3-turbo一键部署指南 【免费下载链接】whisper-large-v3-turbo 项目地址: https://ai.gitcode.com/hf_mirrors/openai/whisper-large-v3-turbo 在人工智能语音识别领域,模型的性能与效率往往难以兼得。然而,最新发布的whisper-large-v3-turbo模型彻底打破了这一困境,在保持与whisper-large-v3近乎一致的识别质量基础上,实现了高达8倍的速度提升。对于需要处理大量语音数据的开发者、企业用户以及研究人员而言,这一突破性进展意味着更低的时间成本、更高的工作效率和更广泛的应用可能性。本教程将详细介绍如何通过极简的一键部署流程,快速将这一高效能模型应用到实际业务场景中。 模型优势深度解析:为何选择whisper-large-v3-turbo whisper-large-v3-turbo的核心竞争力来源于其创新性的模型架构优化。相较于前代模型,开发团队通过动态注意力机制调整、量化参数压缩以及推理流程重构三大技术手段,在保证语音识别

VsCode和AI的前端使用体验:分别使用了Copilot、通义灵码、iflyCode和Trae

1、前言 大杂烩~每次开发一行代码,各个AI争先恐后抢着提供帮助 备注:四款插件都需要先去官网注册账号,安装好之后有个账号验证。 2、插件详解  2.1、AI分析的答案 * GitHub Copilot * 定位:老牌 AI 代码补全工具,深度集成于 VS Code,基于海量 GitHub 代码库训练,擅长代码片段生成和上下文补全。 * 基本使用:在代码编辑器中输入函数头或注释,自动生成后续代码。支持自动生成提交信息、调试建议和多文件上下文理解,但需手动选择文件。 * 功能特点:具有多语言支持、高准确性的特点,适用于复杂项目和全栈开发,能满足追求效率的企业团队在日常代码补全、快速原型开发中的需求。 * 注册地址:GitHub Copilot · Your AI pair programmer · GitHub * 通义灵码 * 定位:阿里推出的免费 AI