OpenWBT项目环境配置全指南:从硬件准备到VR控制
2025-06-08 19:45:52作者:裘晴惠Vivianne
前言
OpenWBT是一个面向机器人开发与虚拟现实控制的开源项目,本文将详细介绍如何从零开始配置完整的开发环境。无论您是机器人领域的初学者还是经验丰富的开发者,本指南都将帮助您快速搭建起OpenWBT项目的运行环境。
硬件准备
在开始软件配置前,我们需要确保拥有合适的硬件设备:
- 机器人开发平台:推荐使用G1-EDU四足机器人开发平台
- 混合现实设备:Apple Vision Pro用于VR控制
- 控制设备:游戏手柄用于基础控制
- 开发计算机:建议使用Ubuntu 20.04系统
网络配置建议
为确保设备间通信顺畅,建议将所有设备连接到同一局域网中。可以通过以下命令检查本机IP:
ifconfig | grep inet
记录下网络接口名称和IP地址,后续配置会用到。
基础软件环境配置
Conda虚拟环境
我们推荐使用Conda管理Python环境,避免依赖冲突:
conda create -n OpenWBT python=3.8
conda activate OpenWBT
核心依赖安装
OpenWBT项目依赖多个机器人学相关的Python库:
# 安装机器人动力学计算库
conda install pinocchio=3.1.0 -c conda-forge
# 安装其他核心依赖
pip install meshcat casadi onnxruntime pyserial mujoco
特别提醒:Pinocchio必须使用3.1.0版本,其他版本可能导致兼容性问题。
机器人SDK集成
OpenWBT需要与Unitree机器人SDK进行交互:
git clone https://github.com/unitreerobotics/unitree_sdk2_python.git
cd unitree_sdk2_python
pip install -e .
这种"可编辑"安装方式(使用-e参数)允许我们在开发过程中直接修改SDK代码而无需重新安装。
物理仿真环境配置
OpenWBT支持Isaac Gym物理仿真引擎:
- 从NVIDIA官网下载Isaac Gym安装包
- 解压后进入python目录
- 执行开发模式安装:
pip install -e .
开发模式安装同样适用于需要频繁修改仿真环境的情况。
ROS 2通信环境搭建
编译工具准备
OpenWBT需要特定版本的编译工具链:
# 安装CMake 3.23.3
wget https://cmake.org/files/v3.23/cmake-3.23.3.tar.gz
tar -zxvf cmake-3.23.3.tar.gz
cd cmake-3.23.3
sudo apt-get -y install libssl-dev
sudo ./configure
sudo make -j8
sudo make install
# 配置GCC 9.4.0
sudo apt-get install gcc-9 g++-9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 90
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 90
ROS 2 Foxy安装
建议使用ROS 2 Foxy版本:
sudo apt install ros-foxy-desktop
安装完成后,建议在.bashrc中注释掉ROS环境自动加载,避免与其他环境冲突。
机器人ROS接口配置
- 克隆unitree_ros2仓库
- 安装必要依赖:
pip install empy==3.3.4 catkin_pkg==1.0.0 lark==1.2.2
sudo apt install ros-foxy-rmw-cyclonedds-cpp ros-foxy-rosidl-generator-dds-idl
- 编译CycloneDDS中间件(确保未加载ROS环境):
cd ~/unitree_ros2/cyclonedds_ws/src
git clone https://github.com/ros2/rmw_cyclonedds -b foxy
git clone https://github.com/eclipse-cyclonedds/cyclonedds -b releases/0.10.x
cd ..
colcon build --packages-select cyclonedds
- 最后编译整个unitree_ros2项目:
source /opt/ros/foxy/setup.bash
colcon build
网络连接验证
- 修改~/unitree_ros2/setup.sh中的网络接口名称
- 启动ROS 2环境:
source /opt/ros/foxy/setup.sh; source ~/unitree_ros2/setup.sh
- 运行
ros2 topic list查看机器人话题,确认连接成功
Apple Vision Pro VR控制配置
HTTPS证书配置
由于Apple强制要求WebXR使用HTTPS,我们需要配置本地证书:
- 安装mkcert工具:
brew install mkcert
- 生成证书(替换为实际IP):
mkcert -install && mkcert -cert-file cert.pem -key-file key.pem 192.168.123.2 localhost 127.0.0.1
- 复制证书到项目目录并开放端口:
cp cert.pem key.pem ~/avp_teleoperate/teleop/
sudo ufw allow 8012
设备端设置
- 将rootCA.pem通过AirDrop发送到Vision Pro安装
- 在设置中启用Safari的WebXR功能
- 访问控制页面(替换为实际IP):
https://192.168.123.2:8012?ws=wss://192.168.123.2:8012
常见问题排查
- ROS 2话题不可见:检查网络配置,确认机器人与主机在同一子网
- 证书不受信任:确保证书已正确安装到Vision Pro
- Pinocchio版本冲突:必须使用3.1.0版本
- 编译错误:检查GCC和CMake版本是否符合要求
结语
通过以上步骤,您应该已经完成了OpenWBT项目完整环境的配置。这套环境不仅支持机器人基础控制,还实现了通过Vision Pro进行VR远程操作的高级功能。如果在配置过程中遇到任何问题,建议查阅各组件官方文档获取最新信息。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220