案例/Unitree G1 产品页·8 个月前

宇树科技开源 unitree_rl_gym 与 MuJoCo 跨仿真器强化学习训练部署框架

宇树科技开源unitree_rl_gym与unitree_mujoco框架，构建覆盖Go2、G1、H1、H2全机型的跨仿真器强化学习训练部署体系，打通从Python策略训练到C++动力学仿真的Sim-to-Real闭环。

AI 整理

• 本体 SDK 与控制
• 仿真与训练

宇树 G1宇树 H1宇树 H2宇树 Go2

事件背景与核心发布

2026年2月18日，宇树科技正式开源unitree_rl_gym强化学习训练框架与unitree_mujoco仿真器组件，旨在解决足式机器人运动策略开发中仿真与现实割裂的工程痛点。该发布构建了标准化的Sim-to-Real技术栈，全面适配宇树 Go2四足机器人、宇树 G1与宇树 H1、宇树 H2人形机器人等核心本体。开发者现可通过Python接口在unitree_rl_gym中定义自定义运动任务并迭代算法，同时利用基于C++开发的unitree_mujoco进行高保真刚体动力学验证，最终将训练成熟的策略无缝迁移至实体机器人部署，显著降低了具身智能算法的研发门槛与硬件调试风险。

关键技术指标与工程规格

• 框架语言与功能定位：unitree_rl_gym采用Python开发，提供标准化仿真环境封装与RL算法适配；unitree_mujoco基于C++构建，专注刚体动力学、关节参数模拟及传感器数据仿真输出。
• 多机型本体适配范围：完整支持Go2（12 DoF/15kg）、G1（23~43 DoF/35kg）、H1（19 DoF/47kg）及H2（31 DoF/70kg）等全系列机型，覆盖四足与人形两大形态的运动控制与VLA部署测试。
• 仿真器物理引擎特性：unitree_mujoco作为MuJoCo生态适配组件，支持高精度关节扭矩模拟（如G1膝关节90N·m、Go2峰值45N·m）及3D点云、深度相机等感知数据合成，支撑复杂地形算法验证。
• 策略部署与系统集成：训练完成的策略可直接迁移至对应实体机器人，支持OTA软件升级维护；框架兼容上层自主导航应用栈集成，打通从算法研发到实机运行的全流程。
• 硬件算力与感知基线：适配机型标配高性能计算单元（如G1基础版8核CPU、EDU版可选Orin）及4D LiDAR、双目相机等传感器，确保仿真资产与实机硬件规格的一致性对齐。

产业落地与开发者参考价值

此次开源标志着宇树科技从单一硬件提供商向“本体+工具链”生态服务商转型，为具身智能开发者提供了经过实机验证的标准化研发底座。对于算法团队而言，unitree_rl_gym与unitree_mujoco的组合消除了自建仿真环境的重复造轮子成本，使研究者能聚焦于运动策略本身而非底层适配；对于工程选型团队，该框架提供的URDF/MJCF资产与真实硬件参数（如H2额定负载7kg、Go2续航1h等）高度对齐，可在采购前精准评估二次开发可行性与场景适配边界。此外，统一的Python/C++双语言接口设计兼顾了科研灵活性与工程部署效率，加速了人形与四足机器人在教育、巡检及通用操作场景中的技术收敛与商业化落地进程。

来源

本页事实对应的公开页面，以原文为准。

1. Unitree G1 产品页访问 2026-02-18
2. Unitree G1 遥控器文档访问 2026-02-18