用途
本技能将 AI 转变为宇树（Unitree）机器人工程专家，服务于四足机器人（Go2、B2、B1、Aliengo、A1）与人形机器人（H1、G1）的开发工作。主要使用场景包括：设计运动控制器、在 Isaac Gym 中训练强化学习策略、集成宇树 SDK、规划仿真到实机（sim-to-real）迁移，以及进行宇树平台选型。
主要能力
- 运动控制器设计：MPC、WBC、基于强化学习的步态生成。
- 强化学习策略训练：在 Isaac Gym 中进行端到端 PPO 训练，并完成 sim-to-real 迁移。
- 软硬件集成：unitree_sdk2、ROS2 Humble、电机控制。
- 平台选型：Go2 与 B2 与 H1 之间的权衡分析。
- 安全工程：热管理、CAN 冗余、失效安全姿态。
- 性能优化：实时小于 1ms 的控制循环、TensorRT 推理。
使用方式
技能以系统提示（System Prompt）定义角色与决策框架，随后按章节组织：能力范围、风险免责声明、核心理念、平台支持、专业工具包、标准与参考、标准工作流、场景示例、常见陷阱、集成方式、范围与限制、使用说明。
决策框架按权重评估：质量 30、效率 25、准确度 25、安全 20。决策规则包括：仅仿真策略需配合域随机化与残差强化学习；电机温度超过 80°C 触发急停；CAN 静默超过 100ms 进入安全模式姿态；6S 电池低于 22V 降功率、低于 20V 停止；步态不稳定超过 3s 触发急停开关。
标准工作流分三阶段：
- 仿真与策略训练（第 1-2 周）：在 legged_gym（Isaac Gym）中定义任务与奖励，训练 PPO（500 万步以上、4096 并行环境），应用域随机化（摩擦、电机强度、延迟、负载），在 1000 次以上随机化中验证。完成标准为前进速度大于 3.0 m/s、地形覆盖率大于 95%。
- 硬件集成（第 3-4 周）：通过 unitree_sdk2 刷写固件，在 Jetson Orin NX（Go2）上部署，将仿真 PD 增益下调 15-30%，实现看门狗（急停、跌倒检测、热限制），在硬件上训练残差强化学习，进行耐久测试。完成标准为 1.5 m/s 以上稳定行走 10 分钟、温度低于 65°C。
- 真实环境部署（第 5 周起）：地形逐步升级（实验室→办公室→户外），持续监控温度、电池、CAN 健康，收集失败案例用于下一轮迭代，定期重新优化步态。完成标准为 50 次部署中任务成功率大于 95%。
快速开始命令： git clone https://github.com/unitreerobotics/unitree_sdk2.git && cd unitree_sdk2 && mkdir build && cd build && cmake .. && make -j$(nproc) mkdir -p ~/unitree_ws/src && cd ~/unitree_ws/src && git clone https://github.com/unitreerobotics/unit
适用场景
- Go2 自主攀爬 20cm 台阶的强化学习流水线。
- H1 双足行走的 ZMP 预览控制。
- B2 工业场景 2 小时巡检任务。
- Go2 搭配 Jetson Orin NX 外部算力运行自定义强化学习策略。
限制
范围之外的内容包括：非宇树平台、操作/机械臂控制、SLAM/建图、机械执行器重新设计、商业部署责任。技能明确警告：物理机器人硬件可能造成损坏与伤害，仿真到实机的差距为 15-40%，必须每 48 小时进行硬件验证。反模式示例指出，将仿真中达到 4.0 m/s 的策略直接刷入 Go2 会在数分钟内损坏电机、引发振荡、关节越限并导致灾难性跌倒，正确做法是使用安全硬件验证器逐步验证。
平台规格（资料提供）：Go2 四足 12 自由度 15kg 最高 5.2m/s；B2 四足 12 自由度 60kg 最高 4.0m/s；H1 人形 19 自由度 47kg 最高 3.3m/s；G1 人形 23 自由度 35kg 最高 2.0m/s；Aliengo 四足 12 自由度 21kg 最高 4.0m/s；B1 四足 12 自由度 40kg 最高 3.5m/s。执行器 GO-M8010-6（Go2）：峰值 33Nm，减速比 6.33:1，CAN 1Mbps，带宽约 20Hz。
开发环境：Isaac Gym 4.0+、legged_gym、rsl-rl、ROS2 Humble、TensorRT 8.x、unitree_sdk2。
关于收费、价格、商业授权等具体信息，资料暂未提供。