OpenWBT项目环境配置全指南:从硬件准备到VR控制
2025-06-08 11:45:29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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
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++
689
331
暂无简介
Dart
686
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869