3 步跑通 GO2 机器狗 ROS2 控制开源 SDK 从建图到识别的实战指南【免费下载链接】go2_ros2_sdkUnofficial ROS2 SDK support for Unitree GO2 AIR/PRO/EDU项目地址: https://gitcode.com/gh_mirrors/go/go2_ros2_sdk你刚拆开一台 Unitree GO2手机 App 玩得很溜可一旦想把它接进 ROS2 生态——发布关节状态、跑 SLAM 建图、做自主导航——官方工具链却常常把你卡在门外。这正是go2_ros2_sdkUnitree Go2 的非官方 ROS2 SDK存在的理由它把 GO2 AIR/PRO/EDU 三款机型变成一台标准的 ROS2 机器人让你用 ROS2 世界里现成的建图、导航、识别工具而不是被困在厂商的私有协议里。一句话概括这个仓库让你的机器狗说 ROS2 的话Wi-Fi 和网线都能接单机多机都能跑。先说说你为什么要折腾它如果你只是想让 GO2 走两步、转个圈手机 App 完全够用。但真正的痛点在于当你开始认真做机器人开发时App 给不了你数据更给不了你接口。想象这个场景你想让机器狗在客厅里自己逛一圈顺便把地图建出来之后再识别出沙发上的人是谁。用 App 你能做到吗很难。你需要的是一整套数据管道——关节角度、IMU、激光雷达点云、摄像头画面这些都要以标准的消息格式流出来供你的算法消费。go2_ros2_sdk干的就是这件事用WebRTC走 Wi-Fi或者用CycloneDDS走网线把机器狗的内部数据接出来转成 ROS2 标准话题joint_states、imu、point_cloud2、camera/image_raw、odom顺带把建图slam_toolbox、导航Nav2、物体识别COCO、语音TTS这些周边能力一次性配齐。相当于你拿到了一把万能钥匙把只能玩的机器狗变成能开发的机器人平台。这个项目到底替你解决了什么别急着看代码先花三十秒对一下需求清单。下表列出的每一项都是你从零自己搭会非常头疼、而这个仓库已经做好的东西能力点它替你解决了什么双协议连接Wi-FiWebRTC与以太网CycloneDDS自由切换不再受限于单一通信方式实时数据流关节状态、IMU、里程计、激光点云、前视摄像头画面一次性全部发布一站式建图导航robot.launch.py一条命令拉起 SLAM Nav2 RViz 手柄遥控开箱即用的识别COCO 预训练模型实时检测 80 类物体结果直接以 ROS2 消息发布多机器人扩展环境变量里填多个 IP一套代码同时连接、控制多台 GO2 协同作业这些能力的共同点是把能用变成好用。你不用自己啃宇树的私有协议文档不用自己写点云解码器也不用在 RViz 里手动配半天数据流——仓库的启动文件已经帮你把该连的线都连好了。10 分钟上手从空目录到机器狗动起来下面这条主线只有一个目标让机器狗以 ROS2 节点的身份活起来。全程跟着编号走每一步都知道自己在干嘛。第 1 步克隆仓库并安装系统依赖先把代码拉下来放在工作空间里mkdir -p ros2_ws cd ros2_ws git clone --recurse-submodules https://gitcode.com/gh_mirrors/go/go2_ros2_sdk.git src--recurse-submodules很重要——仓库引用了外部子模块不加这个参数会缺东西。接着安装两个 ROS2 工具包和系统级依赖sudo apt install ros-$ROS_DISTRO-image-tools ros-$ROS_DISTRO-vision-msgs sudo apt install python3-pip clang portaudio19-devimage-tools用来查看摄像头画面vision-msgs提供物体检测要用到的Detection2DArray消息类型portaudio19-dev是语音模块TTS的底层依赖。第 2 步安装 Python 依赖并构建进入src目录安装 Python 包然后回到工作空间根目录构建cd src pip install -r requirements.txt cd .. source /opt/ros/$ROS_DISTRO/setup.bash rosdep install --from-paths src --ignore-src -r -y colcon build这里有两个值得注意的细节pip install必须完整跑完。如果中途报错后面很多功能会悄悄失效——比如open3d目前不支持 Python 3.12如果你在用 3.12先建一个 3.11 的虚拟环境再装。colcon build前记得sourceROS2 环境否则构建工具找不到。第 3 步设置机器人 IP一键启动这是最激动人心的一步。先用手机 App 查到机器狗的 IP设备 → 数据 → 自动巡检查看 STA 网络 wlan0 的地址然后source install/setup.bash export ROBOT_IP你的机器人IP export CONN_TYPEwebrtc ros2 launch go2_robot_sdk robot.launch.py注意如果走 WebRTCWi-Fi先把手机 App 和机器狗的连接断开否则机器人只认一个连接。按下回车后一条命令帮你拉起了一整套系统对应代码在 go2_robot_sdk/launch/robot.launch.pyrobot_state_publisher发布带关节状态的 URDF 模型go2_driver_node是核心驱动负责与机器狗的双向通信lidar_processor把激光数据转成点云pointcloud_to_laserscan再转成激光扫描前视摄像头画面、SLAM 建图、Nav2 导航、Foxglove 桥、手柄遥控节点全部就位RViz 自动打开你能看到机器狗的 3D 模型、点云和地图同时在画面里积累。到这里你完成了第一个 Demo机器狗以 ROS2 节点的身份在线数据流畅通就等着你的下一步指令。如果这是你第一次接触 ROS2 和机器狗的集成记住此刻的感觉——后续所有高级玩法都是在这条数据管道上叠加出来的。实战演练三个能拿出去说的真实任务理论到此为止接下来用三个任务把项目的价值真正跑出来。任务一给家里建一张能导航的地图目标让机器狗自动探索环境生成一张可复用的栅格地图并基于它自主导航到指定位置。做法先用胶带在地板上贴一个停靠区矩形作为建图的起始锚点——这一步看似土但能让机器狗每次启动时都有一个确定的世界坐标原点。在 RViz 左侧的 SlamToolboxPlugin 面板里点击Start At Dock告诉建图算法我停在了原点用手柄遥控机器狗在房间里走一圈观察地图在 RViz 中逐渐成形——白色是自由空间黑色是障碍灰色是未知区域逛完一圈后在Save Map输入框填个文件名保存再在Serialize Map里填同样的名字序列化。完成后工作空间根目录会多出四个文件map_1.yaml # 地图元数据指向 pgm 图像 map_1.pgm # 栅格图像黑白灰三色像素 map_1.data # SLAM 序列化数据 map_1.posegraph # 位姿图数据验证结果重启系统后在 SlamToolboxPlugin 的Deserialize Map里输入文件名加载地图然后在 RViz 的 Navigation2 面板用Nav2 Goal给机器狗一个目标点。如果它规划出一条绕过沙发的路线并顺利到达恭喜你——你的机器狗正式认识你家了。参数调优可以看 go2_robot_sdk/config/nav2_params.yaml 和 mapper_params_online_async.yaml。这一节你能带走的一条从手动遥控到自主导航的完整闭环以及一套可以反复加载的地图资产。任务二让机器狗认出你目标在实时视频流上检测人和其他常见物体拿到带置信度的结构化检测结果。做法机器狗启动后摄像头画面会发布在go2_camera/color/image。开一个新终端运行识别节点source install/setup.bash ros2 run coco_detector coco_detector_node第一次运行会有短暂的下载进度条——PyTorch 正在拉取预训练的 Faster R-CNN 模型COCO 数据集80 多类物体之后会缓存不用再等。再开一个终端查看检测结果ros2 topic echo /detected_objects你会看到类似这样的输出class_id: person、score: 0.9989以及bbox:center:x、bbox:center:y给出的物体中心像素坐标。想看带框的画面执行ros2 run image_tools showimage --ros-args -r /image:/annotated_image验证结果对着摄像头挥挥手画面上出现person的绿色检测框把检测阈值调高误报明显减少。比如下面这条命令关闭标注图发布、改用 GPU、并把阈值从默认的 0.9 降到 0.7让更多低置信度目标也能被检测到ros2 run coco_detector coco_detector_node --ros-args \ -p publish_annotated_image:False -p device:cuda -p detection_threshold:0.7检测节点源码在 coco_detector/coco_detector/想改成只认人不认猫直接改这里的逻辑即可。这一节你能带走的一条标准的检测数据流——/detected_objects消息可以直接喂给跟踪、跟随等下游算法。任务三多台机器狗协同作业目标一台电脑同时连接和控制多台 GO2实现集中监控与协同任务。做法几乎不用改任何代码只是把 IP 从单个改成逗号分隔的列表export ROBOT_IP192.168.1.101,192.168.1.102,192.168.1.103重新启动后SDK 会自动进入多机模式每台机器人的数据话题都带上前缀如robot0/joint_states、robot1/joint_statesRViz 加载 multi_robot_conf.rviz 同时显示所有机器狗。控制命令同样按robot0/cmd_vel_out这样的命名空间分发。验证结果在三台机器狗同时在线的情况下ros2 topic list能看到三组完整的数据话题分别向robot0和robot1发布速度指令两台机器狗各自响应、互不干扰。多机 URDF 配置在 urdf/multi_go2.urdf可以按需调整每台机器人的命名空间。这一节你能带走的多机扩展的完整思路——用环境变量做配置、用命名空间做隔离这是 ROS2 多机器人开发的经典套路。别人踩过的坑你直接绕开这几个坑都是社区里反复被问到的提前知道能帮你省下半天调试时间。连接类WebRTC 连不上先确认手机 App 已断开连接再检查电脑与机器狗是否在同一网段。Wi-Fi 环境下优先选 5GHz 频段延迟更稳。公司/校园网络下频繁掉线WebRTC 走 UDP部分防火墙会丢包。换export CONN_TYPEcyclonedds走有线连接即可。WSL2 里手柄没反应需要把 USB 设备共享给 WSL2并给/dev/input/event*配置权限否则joy节点读不到设备。检查方法ros2 run joy joy_enumerate_devices。环境与构建类pip install有报错千万别跳过最常见的雷是 Python 3.12 与open3d不兼容解决办法是换 3.11 虚拟环境再装。ROS2 发行版仓库在 Ubuntu 22.04 上验证过 Iron、Humble、Rolling选这三个版本之一最省心。建图与导航类机器狗在原地转圈或想穿墙几乎可以断定是地图不对或初始位姿不对。长走廊尤其容易让地图扭曲导航前务必确认(1) 机器狗朝向与地图一致(2) 地图本身可靠。实在不行就搬回停靠区重新对位。控制回路过载导致卡死项目已经刻意把controller_frequency设为 3.0、expected_planner_frequency设为 1.0 这种保守值别手痒改高除非你清楚自己在做什么。检测误报太多把detection_threshold往上调如果是有显卡的开发机device:cuda能明显加快推理。已知的现状新固件v1.1.7下关节状态大约 1Hz 更新URDF 显示会有些许延迟这是固件限制不是你的配置问题。这一节你能带走的一份直接可用的避坑清单——遇到问题时先对照上面的分类排查多数情况几分钟内就能定位。下一步从能跑走向能改如果你已经跑通了上述任务恭喜你只用了这个仓库十分之一的潜力。接下来的进阶路线很清晰读源码理解架构从 go2_robot_sdk/go2_robot_sdk/presentation/go2_driver_node.py 入口看起它会带你认识项目的 Clean Architecture 分层——domain/定义业务实体application/services/实现服务逻辑infrastructure/对接 WebRTC 与 ROS2presentation/承载节点。读懂这四层你就能在任何位置插入自己的代码。自己扩展一个传感器在infrastructure/sensors/下新建处理模块实现标准数据接口再挂到主节点里。消息类型定义全在 go2_interfaces/msg/31 个.msg文件几乎覆盖了机器狗所有数据维度。试试非移动指令用WebRtcReq话题发送各种控制命令比如打开头灯、播放声音不需要额外写驱动ros2 topic pub /webrtc_req go2_interfaces/msg/WebRtcReq \ {api_id: 1016, topic: rt/api/sport/request} --once用 Docker 一键起环境不想污染本机环境的话docker/目录里已有现成配置cd docker ROBOT_IPIP CONN_TYPEwebrtc/cyclonedds docker-compose up --build接上 Foxglove 可视化sudo snap install foxglove-studio然后连接ws://localhost:8765你会得到比 RViz 更现代的调试界面。关注 Roadmap 的下一步项目已经完成建图、导航、识别、多机协同路线图上剩下的AutoPilot自动驾驶是最值得期待的扩展点——如果你有能力完全可以参与进来。从拆箱到让机器狗在客厅里自主巡逻、认出每个人你只用了三条命令加几个配置文件。这个仓库的真正价值不在于能连上而在于它把机器狗的每一寸数据都开放给了你。别停在跑通这一步——挑一个你能改的地方去读它的源码去换掉它的模型去把你自己的算法装进去。机器狗已经准备好了现在轮到你的想法了。【免费下载链接】go2_ros2_sdkUnofficial ROS2 SDK support for Unitree GO2 AIR/PRO/EDU项目地址: https://gitcode.com/gh_mirrors/go/go2_ros2_sdk创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 3 步跑通 GO2 机器狗 ROS2 控制：开源 SDK 从建图到识别的实战指南
3 步跑通 GO2 机器狗 ROS2 控制开源 SDK 从建图到识别的实战指南【免费下载链接】go2_ros2_sdkUnofficial ROS2 SDK support for Unitree GO2 AIR/PRO/EDU项目地址: https://gitcode.com/gh_mirrors/go/go2_ros2_sdk你刚拆开一台 Unitree GO2手机 App 玩得很溜可一旦想把它接进 ROS2 生态——发布关节状态、跑 SLAM 建图、做自主导航——官方工具链却常常把你卡在门外。这正是go2_ros2_sdkUnitree Go2 的非官方 ROS2 SDK存在的理由它把 GO2 AIR/PRO/EDU 三款机型变成一台标准的 ROS2 机器人让你用 ROS2 世界里现成的建图、导航、识别工具而不是被困在厂商的私有协议里。一句话概括这个仓库让你的机器狗说 ROS2 的话Wi-Fi 和网线都能接单机多机都能跑。先说说你为什么要折腾它如果你只是想让 GO2 走两步、转个圈手机 App 完全够用。但真正的痛点在于当你开始认真做机器人开发时App 给不了你数据更给不了你接口。想象这个场景你想让机器狗在客厅里自己逛一圈顺便把地图建出来之后再识别出沙发上的人是谁。用 App 你能做到吗很难。你需要的是一整套数据管道——关节角度、IMU、激光雷达点云、摄像头画面这些都要以标准的消息格式流出来供你的算法消费。go2_ros2_sdk干的就是这件事用WebRTC走 Wi-Fi或者用CycloneDDS走网线把机器狗的内部数据接出来转成 ROS2 标准话题joint_states、imu、point_cloud2、camera/image_raw、odom顺带把建图slam_toolbox、导航Nav2、物体识别COCO、语音TTS这些周边能力一次性配齐。相当于你拿到了一把万能钥匙把只能玩的机器狗变成能开发的机器人平台。这个项目到底替你解决了什么别急着看代码先花三十秒对一下需求清单。下表列出的每一项都是你从零自己搭会非常头疼、而这个仓库已经做好的东西能力点它替你解决了什么双协议连接Wi-FiWebRTC与以太网CycloneDDS自由切换不再受限于单一通信方式实时数据流关节状态、IMU、里程计、激光点云、前视摄像头画面一次性全部发布一站式建图导航robot.launch.py一条命令拉起 SLAM Nav2 RViz 手柄遥控开箱即用的识别COCO 预训练模型实时检测 80 类物体结果直接以 ROS2 消息发布多机器人扩展环境变量里填多个 IP一套代码同时连接、控制多台 GO2 协同作业这些能力的共同点是把能用变成好用。你不用自己啃宇树的私有协议文档不用自己写点云解码器也不用在 RViz 里手动配半天数据流——仓库的启动文件已经帮你把该连的线都连好了。10 分钟上手从空目录到机器狗动起来下面这条主线只有一个目标让机器狗以 ROS2 节点的身份活起来。全程跟着编号走每一步都知道自己在干嘛。第 1 步克隆仓库并安装系统依赖先把代码拉下来放在工作空间里mkdir -p ros2_ws cd ros2_ws git clone --recurse-submodules https://gitcode.com/gh_mirrors/go/go2_ros2_sdk.git src--recurse-submodules很重要——仓库引用了外部子模块不加这个参数会缺东西。接着安装两个 ROS2 工具包和系统级依赖sudo apt install ros-$ROS_DISTRO-image-tools ros-$ROS_DISTRO-vision-msgs sudo apt install python3-pip clang portaudio19-devimage-tools用来查看摄像头画面vision-msgs提供物体检测要用到的Detection2DArray消息类型portaudio19-dev是语音模块TTS的底层依赖。第 2 步安装 Python 依赖并构建进入src目录安装 Python 包然后回到工作空间根目录构建cd src pip install -r requirements.txt cd .. source /opt/ros/$ROS_DISTRO/setup.bash rosdep install --from-paths src --ignore-src -r -y colcon build这里有两个值得注意的细节pip install必须完整跑完。如果中途报错后面很多功能会悄悄失效——比如open3d目前不支持 Python 3.12如果你在用 3.12先建一个 3.11 的虚拟环境再装。colcon build前记得sourceROS2 环境否则构建工具找不到。第 3 步设置机器人 IP一键启动这是最激动人心的一步。先用手机 App 查到机器狗的 IP设备 → 数据 → 自动巡检查看 STA 网络 wlan0 的地址然后source install/setup.bash export ROBOT_IP你的机器人IP export CONN_TYPEwebrtc ros2 launch go2_robot_sdk robot.launch.py注意如果走 WebRTCWi-Fi先把手机 App 和机器狗的连接断开否则机器人只认一个连接。按下回车后一条命令帮你拉起了一整套系统对应代码在 go2_robot_sdk/launch/robot.launch.pyrobot_state_publisher发布带关节状态的 URDF 模型go2_driver_node是核心驱动负责与机器狗的双向通信lidar_processor把激光数据转成点云pointcloud_to_laserscan再转成激光扫描前视摄像头画面、SLAM 建图、Nav2 导航、Foxglove 桥、手柄遥控节点全部就位RViz 自动打开你能看到机器狗的 3D 模型、点云和地图同时在画面里积累。到这里你完成了第一个 Demo机器狗以 ROS2 节点的身份在线数据流畅通就等着你的下一步指令。如果这是你第一次接触 ROS2 和机器狗的集成记住此刻的感觉——后续所有高级玩法都是在这条数据管道上叠加出来的。实战演练三个能拿出去说的真实任务理论到此为止接下来用三个任务把项目的价值真正跑出来。任务一给家里建一张能导航的地图目标让机器狗自动探索环境生成一张可复用的栅格地图并基于它自主导航到指定位置。做法先用胶带在地板上贴一个停靠区矩形作为建图的起始锚点——这一步看似土但能让机器狗每次启动时都有一个确定的世界坐标原点。在 RViz 左侧的 SlamToolboxPlugin 面板里点击Start At Dock告诉建图算法我停在了原点用手柄遥控机器狗在房间里走一圈观察地图在 RViz 中逐渐成形——白色是自由空间黑色是障碍灰色是未知区域逛完一圈后在Save Map输入框填个文件名保存再在Serialize Map里填同样的名字序列化。完成后工作空间根目录会多出四个文件map_1.yaml # 地图元数据指向 pgm 图像 map_1.pgm # 栅格图像黑白灰三色像素 map_1.data # SLAM 序列化数据 map_1.posegraph # 位姿图数据验证结果重启系统后在 SlamToolboxPlugin 的Deserialize Map里输入文件名加载地图然后在 RViz 的 Navigation2 面板用Nav2 Goal给机器狗一个目标点。如果它规划出一条绕过沙发的路线并顺利到达恭喜你——你的机器狗正式认识你家了。参数调优可以看 go2_robot_sdk/config/nav2_params.yaml 和 mapper_params_online_async.yaml。这一节你能带走的一条从手动遥控到自主导航的完整闭环以及一套可以反复加载的地图资产。任务二让机器狗认出你目标在实时视频流上检测人和其他常见物体拿到带置信度的结构化检测结果。做法机器狗启动后摄像头画面会发布在go2_camera/color/image。开一个新终端运行识别节点source install/setup.bash ros2 run coco_detector coco_detector_node第一次运行会有短暂的下载进度条——PyTorch 正在拉取预训练的 Faster R-CNN 模型COCO 数据集80 多类物体之后会缓存不用再等。再开一个终端查看检测结果ros2 topic echo /detected_objects你会看到类似这样的输出class_id: person、score: 0.9989以及bbox:center:x、bbox:center:y给出的物体中心像素坐标。想看带框的画面执行ros2 run image_tools showimage --ros-args -r /image:/annotated_image验证结果对着摄像头挥挥手画面上出现person的绿色检测框把检测阈值调高误报明显减少。比如下面这条命令关闭标注图发布、改用 GPU、并把阈值从默认的 0.9 降到 0.7让更多低置信度目标也能被检测到ros2 run coco_detector coco_detector_node --ros-args \ -p publish_annotated_image:False -p device:cuda -p detection_threshold:0.7检测节点源码在 coco_detector/coco_detector/想改成只认人不认猫直接改这里的逻辑即可。这一节你能带走的一条标准的检测数据流——/detected_objects消息可以直接喂给跟踪、跟随等下游算法。任务三多台机器狗协同作业目标一台电脑同时连接和控制多台 GO2实现集中监控与协同任务。做法几乎不用改任何代码只是把 IP 从单个改成逗号分隔的列表export ROBOT_IP192.168.1.101,192.168.1.102,192.168.1.103重新启动后SDK 会自动进入多机模式每台机器人的数据话题都带上前缀如robot0/joint_states、robot1/joint_statesRViz 加载 multi_robot_conf.rviz 同时显示所有机器狗。控制命令同样按robot0/cmd_vel_out这样的命名空间分发。验证结果在三台机器狗同时在线的情况下ros2 topic list能看到三组完整的数据话题分别向robot0和robot1发布速度指令两台机器狗各自响应、互不干扰。多机 URDF 配置在 urdf/multi_go2.urdf可以按需调整每台机器人的命名空间。这一节你能带走的多机扩展的完整思路——用环境变量做配置、用命名空间做隔离这是 ROS2 多机器人开发的经典套路。别人踩过的坑你直接绕开这几个坑都是社区里反复被问到的提前知道能帮你省下半天调试时间。连接类WebRTC 连不上先确认手机 App 已断开连接再检查电脑与机器狗是否在同一网段。Wi-Fi 环境下优先选 5GHz 频段延迟更稳。公司/校园网络下频繁掉线WebRTC 走 UDP部分防火墙会丢包。换export CONN_TYPEcyclonedds走有线连接即可。WSL2 里手柄没反应需要把 USB 设备共享给 WSL2并给/dev/input/event*配置权限否则joy节点读不到设备。检查方法ros2 run joy joy_enumerate_devices。环境与构建类pip install有报错千万别跳过最常见的雷是 Python 3.12 与open3d不兼容解决办法是换 3.11 虚拟环境再装。ROS2 发行版仓库在 Ubuntu 22.04 上验证过 Iron、Humble、Rolling选这三个版本之一最省心。建图与导航类机器狗在原地转圈或想穿墙几乎可以断定是地图不对或初始位姿不对。长走廊尤其容易让地图扭曲导航前务必确认(1) 机器狗朝向与地图一致(2) 地图本身可靠。实在不行就搬回停靠区重新对位。控制回路过载导致卡死项目已经刻意把controller_frequency设为 3.0、expected_planner_frequency设为 1.0 这种保守值别手痒改高除非你清楚自己在做什么。检测误报太多把detection_threshold往上调如果是有显卡的开发机device:cuda能明显加快推理。已知的现状新固件v1.1.7下关节状态大约 1Hz 更新URDF 显示会有些许延迟这是固件限制不是你的配置问题。这一节你能带走的一份直接可用的避坑清单——遇到问题时先对照上面的分类排查多数情况几分钟内就能定位。下一步从能跑走向能改如果你已经跑通了上述任务恭喜你只用了这个仓库十分之一的潜力。接下来的进阶路线很清晰读源码理解架构从 go2_robot_sdk/go2_robot_sdk/presentation/go2_driver_node.py 入口看起它会带你认识项目的 Clean Architecture 分层——domain/定义业务实体application/services/实现服务逻辑infrastructure/对接 WebRTC 与 ROS2presentation/承载节点。读懂这四层你就能在任何位置插入自己的代码。自己扩展一个传感器在infrastructure/sensors/下新建处理模块实现标准数据接口再挂到主节点里。消息类型定义全在 go2_interfaces/msg/31 个.msg文件几乎覆盖了机器狗所有数据维度。试试非移动指令用WebRtcReq话题发送各种控制命令比如打开头灯、播放声音不需要额外写驱动ros2 topic pub /webrtc_req go2_interfaces/msg/WebRtcReq \ {api_id: 1016, topic: rt/api/sport/request} --once用 Docker 一键起环境不想污染本机环境的话docker/目录里已有现成配置cd docker ROBOT_IPIP CONN_TYPEwebrtc/cyclonedds docker-compose up --build接上 Foxglove 可视化sudo snap install foxglove-studio然后连接ws://localhost:8765你会得到比 RViz 更现代的调试界面。关注 Roadmap 的下一步项目已经完成建图、导航、识别、多机协同路线图上剩下的AutoPilot自动驾驶是最值得期待的扩展点——如果你有能力完全可以参与进来。从拆箱到让机器狗在客厅里自主巡逻、认出每个人你只用了三条命令加几个配置文件。这个仓库的真正价值不在于能连上而在于它把机器狗的每一寸数据都开放给了你。别停在跑通这一步——挑一个你能改的地方去读它的源码去换掉它的模型去把你自己的算法装进去。机器狗已经准备好了现在轮到你的想法了。【免费下载链接】go2_ros2_sdkUnofficial ROS2 SDK support for Unitree GO2 AIR/PRO/EDU项目地址: https://gitcode.com/gh_mirrors/go/go2_ros2_sdk创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考