Modulo 1 · 60 min

Setup ambiente di sviluppo

Ubuntu 20.04 o 22.04 (x86_64 o ARM64). Windows/macOS sono possibili con WSL2 o VM, ma aspettati 2x di tempo e qualche incompatibilità sui driver di rete real-time. Raccomandato: dual boot o laptop dedicato.

Stack minimo

OS Ubuntu 20.04 / 22.04 LTS

Compilatore gcc ≥ 9.4

CMake ≥ 3.16

Python 3.8 (20.04) · 3.10 (22.04)

Middleware CycloneDDS

ROS2 (opzionale) Foxy (20.04) · Humble (22.04)

setup.sh · Ubuntu 22.04

# dipendenze base
sudo apt update && sudo apt install -y \
  build-essential cmake git \
  libeigen3-dev libboost-all-dev

# network real-time (ethernet diretto al robot)
sudo apt install -y iproute2

# Python tooling
sudo apt install -y python3-pip python3-venv
python3 -m venv ~/.venv/unitree
source ~/.venv/unitree/bin/activate

# CycloneDDS (prerequisito SDK2)
git clone https://github.com/eclipse-cyclonedds/cyclonedds \
  -b releases/0.10.x
cd cyclonedds && mkdir build && cd build
cmake -DCMAKE_INSTALL_PREFIX=../install ..
make -j && make install

Modulo 2 · 90 min · High-intent

Rete, SSH e accesso al robot

Il primo muro contro cui sbattono tutti: "come entro nel robot via codice?". Ogni modello Unitree ha IP statici, porte, credenziali SSH e modi di connettersi diversi. Questa è la sezione che vorrai bookmarkare.

Topologia di rete Unitree

Ogni robot Unitree ha un Jetson (Nano su Go2, Orin NX su B2/G1/H1) che espone interfacce di rete multiple. Il developer si connette via Ethernet (low-latency, per low-level control) oppure via WiFi hotspot (comodo, ma ad alta latenza).

Ethernet (raccomandato)

• Laptop IP: 192.168.123.99
• Subnet: 255.255.255.0 (/24)
• Robot IP (Jetson): 192.168.123.18
• MCU motor control: 192.168.123.10
• Latenza: < 1 ms · obbligatorio per low-level control
• Porta robot: sotto lo sportellino batteria, pin-out RJ45 standard

WiFi (hotspot robot)

• SSID: Unitree_XXXX (4 cifre seriali)
• Password iniziale: sulla label sotto il robot (varia per unità)
• Robot IP via hotspot: 10.42.0.1
• Latenza: 5-20 ms · accettabile per sport mode, NO low-level
• Utile per: test rapidi, diagnostica in campo, setup iniziale
• WiFi 5 GHz consigliato (meno congestione)

Credenziali SSH di default per modello

Username sempre unitree. La password varia per modello e versione firmware. La prima cosa da fare dopo il primo accesso è cambiare la password.

Modello	User	Password	IP Ethernet	Hardware onboard
Go2 (Air / Pro / EDU)	unitree	123	192.168.123.18	Jetson Orin Nano
B2 / B2-W	unitree	123 Unitree0408 (se secondo NX)	192.168.123.18	2× Jetson Orin NX
G1	unitree	123	192.168.123.164	Jetson Orin NX
H1 / H1-2	unitree	123	192.168.123.162	Jetson Orin NX / AGX
Go1 / A1 (legacy)	pi / unitree	raspberry / 123	192.168.123.13 · .14 · .15	Raspberry Pi 4 + Jetson Nano

B2 e doppio Jetson. Il B2 ha due NX onboard: uno gestisce la locomotion (Nav + controller interno, .18), l'altro è dedicato al payload developer (.15 tipicamente). La password del secondo NX su alcune unità B2 è Unitree0408 invece di 123. Se la prima non funziona, prova la seconda.

Cambia SEMPRE la password di default. Queste credenziali sono pubbliche e documentate. Un robot su rete WiFi aziendale con password 123 è un problema di sicurezza serio. Dopo primo login: passwd, nuova password forte, documenta su password manager del team.

Primo SSH: step-by-step

1. Config rete laptop (Ubuntu)

# temporaneo via CLI
sudo ip addr add 192.168.123.99/24 \
  dev enp3s0
sudo ip link set enp3s0 up

# permanente via netplan
# /etc/netplan/01-unitree.yaml
network:
  version: 2
  ethernets:
    enp3s0:
      addresses:
        - 192.168.123.99/24
      dhcp4: false

sudo netplan apply

2. Test + primo SSH

# test connessione
ping -c 3 192.168.123.18

# SSH Go2/G1/H1
ssh unitree@192.168.123.18
# password: 123

# SSH B2 secondo NX
ssh unitree@192.168.123.15
# password: Unitree0408

# info sistema dopo login
uname -a
lsb_release -a
nvidia-smi  # se Orin

Tip: sostituisci enp3s0 con il nome della tua interfaccia Ethernet (ip link show per vedere le tue).

Hardening: chiavi SSH + porta custom

Dopo i primi test, passa a chiavi SSH e disabilita login con password. Ogni volta che fai ssh unitree@... senza chiave, lasci il robot attaccabile.

# genera coppia chiavi (sul laptop)

ssh-keygen -t ed25519 -C "bubbles-dev"
# copia pubblica sul robot
ssh-copy-id unitree@192.168.123.18
# test: non deve chiedere password
ssh unitree@192.168.123.18

# hardening /etc/ssh/sshd_config

PasswordAuthentication no
PermitRootLogin no
Port 2200  # opzionale

sudo systemctl restart ssh
# poi dal laptop:
ssh -p 2200 unitree@192.168.123.18

Modulo 3 · 120 min

unitree_sdk2: il core di tutto

SDK ufficiale per Go2, B2, H1, G1, H2, R1, A2. Due livelli di controllo: high-level (sport mode: camminate, pose, andamenti già composti da Unitree) e low-level (comandi motore singolo a 500Hz, per applicazioni custom e RL). La maggioranza dei progetti usa high-level.

HI

High-level · Sport mode

Chiami funzioni come Move(vx, vy, vyaw), StandUp(), Damp(). Il controller interno Unitree gestisce gait, bilanciamento, recupero da cadute.

Funzioni chiave (SportClient):

• StandUp() · StandDown() · Damp()
• Move(vx, vy, vyaw) · StopMove()
• BalanceStand() · RecoveryStand()
• Hello() · Stretch() · Pose()
• SwitchGait(d) · Scrape()
• SetVelocity() (0.5-5 m/s range)

LO

Low-level · Motor control

12 motori (4 zampe × 3 giunti), comandi torque/posizione/velocità a 500Hz. Bypassa il controller interno — se sbagli a 500Hz puoi rompere giunti o far cadere il robot in 200ms.

Struttura MotorCmd (12× per loop):

• q: posizione target (rad)
• dq: velocità target (rad/s)
• tau: torque feedforward (Nm)
• Kp: stiffness (0-100)
• Kd: damping (0-10)
• mode: 0x00=off / 0x0A=servo

go2_stand_walk.cpp · esempio minimo

// Stand up + cammina avanti 3 secondi + siediti
#include <unitree/robot/go2/sport/sport_client.hpp>

int main(int argc, char** argv) {
  unitree::robot::ChannelFactory::Instance()->Init(0, "eth0");
  unitree::robot::go2::SportClient client;
  client.SetTimeout(10.0f);
  client.Init();

  client.StandUp();
  sleep(2);

  client.Move(0.3f, 0.0f, 0.0f);  // avanti
  sleep(3);
  client.StopMove();

  client.StandDown();
  return 0;
}

unitree_sdk2 (C++) unitree_sdk2_python

Modulo 4 · 90 min

ROS2: il robot nel tuo stack

Se il tuo ecosistema è ROS2 (Nav2, MoveIt, computer vision pipeline), passa da unitree_ros2. Il bridge pubblica i topic standard, riceve comandi da qualsiasi nodo ROS2. Supporto ufficiale per Go2 e B2.

ros2 setup · Ubuntu 22.04 Humble · verbatim da README ufficiale

# 1. Clone + deps
git clone https://github.com/unitreerobotics/unitree_ros2
sudo apt install ros-humble-rmw-cyclonedds-cpp
sudo apt install ros-humble-rosidl-generator-dds-idl
sudo apt install libyaml-cpp-dev

# 2. Build
cd unitree_ros2
source /opt/ros/humble/setup.bash
colcon build
source ~/unitree_ros2/setup.sh

# 3. Export middleware + interface (in ~/.bashrc)
export RMW_IMPLEMENTATION=rmw_cyclonedds_cpp
export CYCLONEDDS_URI='<CycloneDDS><Domain><General><Interfaces>
  <NetworkInterface name="enp3s0" priority="default" multicast="default" />
</Interfaces></General></Domain></CycloneDDS>'

# 4. Test
ros2 topic list
ros2 topic echo /sportmodestate
ros2 run rviz2 rviz2

Topic pubblicati dal robot

/sportmodestate posa · velocità · gait

/lowstate giunti 500Hz

/imu sensor_msgs/Imu

/wirelesscontroller input joystick

/utlidar/cloud PointCloud2 L1

/frontvideostream RGB camera

Topic subscribed (per comandare)

/api/sport/request high-level API

/lowcmd motor 12× · 500Hz

/cmd_vel twist (Nav2 compat)

/api/vui/request LED / audio

/api/motion_switcher switch modalità

Attenzione DDS QoS. Il middleware Unitree è CycloneDDS con QoS profile specifici. Se usi rmw_fastrtps (default di ROS2 Foxy) vedrai topic ma potresti non ricevere dati. Config RMW_IMPLEMENTATION=rmw_cyclonedds_cpp prima di ogni sessione (mettilo in .bashrc).

Modulo 5 · 90 min

Simulazione: MuJoCo e IsaacLab

Tutto quello che fai sul robot vero puoi farlo prima in simulazione. Risparmi batterie, giunti, tempo. Unitree pubblica tre simulatori ufficiali, ognuno buono per cose diverse.

unitree_mujoco

MuJoCo

Fisica realistica, leggero, stesso SDK2 del robot reale. Perfect per sviluppo e debug sim-to-real.

Use case: controllori low-level, test SDK

unitree_rl_gym

Isaac Gym (legacy)

Reinforcement learning ad alta parallelizzazione (4096 env su GPU). Per addestrare policy locomotion da zero.

Supporta: Go2, H1, H1_2, G1

unitree_sim_isaaclab

Isaac Lab

Il successore ufficiale NVIDIA di Isaac Gym. Scene complesse, sensori realistici, photorealistic rendering.

Richiede: GPU NVIDIA RTX

Architettura unitree_mujoco: stesso SDK2 condiviso tra robot reale e sim

Sim-to-real senza cambiare codice

Il punto di forza di unitree_mujoco è che espone le stesse API di SDK2. Il tuo codice di controllo punta allo stesso SportClient — basta cambiare il network interface tra sim e robot vero.

Quando sim funziona, hai >80% di probabilità che funzioni su robot vero. Le divergenze residue (attriti, latenza motori, rumore sensori) si limano in una giornata di field test.

Repo unitree_mujoco

Modulo 6 · 60 min

4D LiDAR L1 e SLAM con Point-LIO

Il 4D LiDAR Unitree L1/L2 (integrato o aggiuntivo) è un solid-state LiDAR che fornisce nuvole di punti a 10Hz. Unitree pubblica un repo ufficiale per SLAM in tempo reale basato su Point-LIO.

Specifiche 4D LiDAR L1

Range0.05 - 40 m

FoV360° × 90°

Frequenza10 Hz

Accuratezza±3 cm @ 10 m

Points/sec~192.000

Classe laserClass 1 (eye-safe)

Point-LIO pipeline

LiDAR + IMU sincronizzati via driver Unitree
Point-LIO fonde IMU e LiDAR a rate alto (200Hz)
Pose estimator genera odometria drift-compensated
Build della mappa punti (.pcd) + traiettoria (.txt)
Export per Nav2 o post-processing in CloudCompare

Repo point_lio_unilidar

Modulo 7 · riferimento

Cheatsheet comandi quotidiani

I comandi che userai tutti i giorni quando sviluppi su Unitree. Bookmarka questa sezione — fai Ctrl+F per trovare velocemente quello che cerchi.

Connessione

# ping robot
ping 192.168.123.18

# ssh rapido (senza chiave)
ssh unitree@192.168.123.18

# ssh con chiave (config ~/.ssh/config)
Host go2
  HostName 192.168.123.18
  User unitree
# poi: ssh go2

# interfacce di rete sul robot
ssh go2 "ip addr show"

# scopri porta ethernet sul laptop
ip link show | grep -i "eth\|enp"

Trasferimento file

# copia file al robot
scp skill.py unitree@192.168.123.18:~/

# copia cartella bidirezionale
rsync -avz ./code/ go2:~/code/
rsync -avz go2:~/logs/ ./logs/

# download bag ROS2 dal robot
scp -r go2:~/rosbag2_2026_* ./rosbags/

# mount remoto (sshfs)
sudo apt install sshfs
mkdir ~/go2-fs
sshfs unitree@192.168.123.18:/ ~/go2-fs

ROS2 diagnostica

# lista tutti i topic
ros2 topic list

# rate dei topic (deve essere ~500Hz per lowstate)
ros2 topic hz /lowstate
ros2 topic hz /sportmodestate

# dump di un messaggio
ros2 topic echo /imu --once

# info + schema di un topic
ros2 topic info /sportmodestate
ros2 interface show unitree_go/msg/SportModeState

# verifica CycloneDDS
echo $RMW_IMPLEMENTATION

# grafo nodi ROS2
ros2 run rqt_graph rqt_graph

Sensori live

# visualizza LiDAR in RViz2
rviz2 -d $(ros2 pkg prefix unitree_ros2)\
      /share/unitree_ros2/rviz/lidar.rviz

# RGB camera stream
ros2 run image_view image_view \
     --ros-args -r image:=/frontvideostream

# record bag per replay offline
ros2 bag record /sportmodestate /imu \
     /utlidar/cloud -o mission_$(date +%s)

# replay bag
ros2 bag play mission_1713366000

Log + debug

# log di sistema onboard
ssh go2 "journalctl -u robot.service -n 200"

# CPU/GPU usage live
ssh go2 "htop"
ssh go2 "nvidia-smi --loop=1"

# temperatura motori (lowstate)
ros2 topic echo /lowstate --once | \
  grep -A1 "motor_state" | head -40

# dmesg per errori hw
ssh go2 "dmesg | tail -50"

# reset sport controller
ssh go2 "sudo systemctl restart \
          sport_mode.service"

Build + deploy

# compila cross-platform (x86 → ARM64)
# richiede docker + buildx
docker buildx build \
  --platform linux/arm64 \
  -t my-skill:v1 .

# deploy container sul robot
docker save my-skill:v1 | \
  ssh go2 "docker load"
ssh go2 "docker run -d \
    --network=host my-skill:v1"

# systemd unit per skill auto-start
# /etc/systemd/system/bubbles-skill.service
ssh go2 "sudo systemctl \
         enable bubbles-skill"

Deposito repo

17 repo GitHub Unitree, tutti spiegati

Ogni repository ufficiale @unitreerobotics, espandi la card per vedere quickstart, struttura e comandi più usati. Usa la search per filtrare.

17 repo

SDK core · inizia da qui

unitree_sdk2

C++ · Essential

SDK C++ ufficiale · core di tutto

Go2, B2, H1, G1, H2, R1, A2. High-level sport mode + low-level 500Hz. Base di tutto il resto dell'ecosistema.

Quickstart

git clone https://github.com/\
unitreerobotics/unitree_sdk2
cd unitree_sdk2 && mkdir build
cd build && cmake ..
make -j8

# test stand+walk
./example/go2/stand_example eth0

Struttura chiave

• include/unitree/robot/ — headers
• example/go2/ — esempi sport mode
• example/low_level/ — motor 500Hz
• example/helloworld/ — DDS basic
• thirdparty/cyclonedds/ — middleware

Link utili: README · examples/ · issues

unitree_sdk2_python

Python · Essential

Binding Python · prototipazione rapida

Wrapper Python di SDK2. Per notebook Jupyter, workflow ML/RL, scripting veloce. Stessa API del core C++.

Quickstart

git clone https://github.com/\
unitreerobotics/unitree_sdk2_python
cd unitree_sdk2_python
pip3 install -e .

# stand via python
python3 example/go2/high_level/\
  go2_sport_client.py eth0

Quando usarlo

• Prototipazione in Jupyter
• Integrazione con PyTorch/TF
• Data collection per training RL
• Script CI/CD per test robot

⚠ Per low-level 500Hz usa il C++ — Python GIL introduce jitter inaccettabile.

Link: README · examples/

unitree_ros2

ROS2 · Recommended

Bridge ROS2 Foxy/Humble

Espone topic ROS2 per Go2 e B2. Integrazione diretta con Nav2, MoveIt, computer vision pipeline.

Quickstart

git clone https://github.com/\
unitreerobotics/unitree_ros2
sudo apt install \
  ros-humble-rmw-cyclonedds-cpp

cd unitree_ros2
colcon build
source setup.sh

# test
ros2 topic echo /sportmodestate

Env vars obbligatorie

export RMW_IMPLEMENTATION=\
  rmw_cyclonedds_cpp

export CYCLONEDDS_URI='<CycloneDDS>\
<Domain><General><Interfaces>\
<NetworkInterface name="enp3s0" \
priority="default" \
multicast="default"/>\
</Interfaces></General>\
</Domain></CycloneDDS>'

Link: README · example/

unitree_guide

Educational

Controller educational · come funziona dentro

Implementazione completa di un gait controller con Joint Space e Force Control. Didattico — non uso produzione ma ti fa capire cosa fa il controller Unitree.

Cosa imparerai

• Joint Space control: PD su ogni giunto con ref trajectory
• Force control: computed torque dalle forze di contatto
• FSM: state machine passive → fixed stand → free stand → trot
• Gait scheduler: timing di appoggio/swing delle 4 zampe
• Target: studenti robotica, ricercatori, curiosi che vogliono leggere il codice

Link: README · unitree_guide/

Simulazione · prima del robot vero

unitree_mujoco

Recommended

MuJoCo sim-to-real · identico all'SDK reale

Fisica MuJoCo + SDK2 condiviso tra sim e robot. Il modo più rapido per testare codice senza rischiare hardware.

Quickstart (C++)

pip install mujoco

git clone https://github.com/\
unitreerobotics/unitree_mujoco
cd unitree_mujoco/simulate
mkdir build && cd build
cmake .. && make -j4

# lancia simulatore
./unitree_mujoco

Modelli supportati

• unitree_robots/go2/
• unitree_robots/b2/
• unitree_robots/h1/
• unitree_robots/g1/
• Config via config.yaml

✓ Stesso codice SDK2 del robot vero — basta cambiare l'interfaccia di rete.

Link: README · simulate_python/

unitree_rl_gym

RL · Legacy

Isaac Gym RL · 4096+ env in parallelo

Reinforcement learning su GPU. Training policy locomotion da zero. Supporta Go2, H1, H1_2, G1.

Train + play

# training (richiede Isaac Gym)
python legged_gym/scripts/train.py \
  --task=go2

# visualizza policy addestrata
python legged_gym/scripts/play.py \
  --task=go2

# solo CPU (lento ma funziona)
python train.py --task=h1 \
  --sim_device=cpu --rl_device=cpu

Parametri chiave

• --task: go2, h1, h1_2, g1
• --headless: no render (training)
• --resume: riprende checkpoint
• --num_envs: default 4096
• --sim_device: cuda:0 / cpu

⚠ Isaac Gym è deprecato da NVIDIA. Per nuovi progetti usa unitree_rl_lab.

Link: README · setup.md

unitree_rl_lab

RL · Modern

RL su IsaacLab · il successore

Porting ufficiale di unitree_rl_gym su NVIDIA IsaacLab. Usare questo al posto di Isaac Gym per nuovi progetti.

Vantaggi rispetto a unitree_rl_gym

• IsaacLab è attivamente sviluppato da NVIDIA (Isaac Gym no)
• Scene più complesse (asset USD)
• Sensori fotorealistici integrati
• Stack PyTorch + Stable Baselines3 più pulito
• Sim-to-real pipeline nativa con domain randomization

Link: README

unitree_rl_mjlab

RL · CPU

RL su MuJoCo · no GPU richiesta

Alternativa a IsaacLab per chi non ha GPU NVIDIA. Stesso stack RL, fisica MuJoCo. Più lento ma cross-platform.

Quando usarlo

• Non hai GPU NVIDIA RTX (es. Mac, laptop integrata AMD)
• Vuoi training parallelo ma multi-CPU invece che GPU
• Preferisci stack MuJoCo (Eigen + Python) a PhysX
• Progetto piccolo: 100-500 env paralleli bastano

Link: README

unitree_sim_isaaclab

Photoreal

IsaacLab simulation platform

Setup IsaacLab high-fidelity con asset USD realistici, camere fotorealistiche, LiDAR simulato. Per vision-based RL e manipolazione.

Use case tipici:

• Training policy di manipolazione con visione
• Generazione dataset sintetici per computer vision
• Testing Nav2 su scene realistiche
• Sim-to-real con domain randomization

Link: README

Perception & SLAM

point_lio_unilidar

SLAM

SLAM Point-LIO per LiDAR L1/L2

Localization + mapping real-time. Fusion LiDAR + IMU a 200Hz. Output: point cloud + traiettoria per Nav2.

Quickstart

# dipendenze ROS2 Humble
sudo apt install ros-humble-pcl-ros

git clone https://github.com/\
unitreerobotics/point_lio_unilidar

cd point_lio_unilidar
colcon build
source install/setup.bash

# lancia SLAM
ros2 launch point_lio mapping.launch.py

Output generati

• map.pcd: point cloud salvata
• trajectory.txt: poses TUM format
• Topic /cloud_registered: mappa live
• Topic /odom: odometria drift-compensated
• Export: CloudCompare / Nav2 map_server

Link: README

teleimager

Video

Image server multi-camera

Cattura video stream da camere multiple del robot e pubblica via rete. Usato per XR teleop e computer vision distribuita.

Use case: streaming low-latency delle camere del robot a un visore VR o a una workstation remota. Particolarmente utile per umanoidi con stereo camera frontale.

Link: README

Embodied AI · frontiera 2026

unifolm-world-model-action

Research

UnifoLM-WMA-0 · world model + action

Architettura open-source di Unitree multi-embodiment (quadrupede + umanoide). Predice futuro stato del mondo e genera azioni. Stato dell'arte 2026.

Target: ricercatori di AI embodied, laboratori universitari, team che vogliono fare ricerca avanzata su policy generali tra embodiment diversi.

Link: README

unifolm-vla

Research · VLA

Vision-Language-Action model

Large VLA per manipolazione umanoide generale. Input: immagine + comando linguaggio naturale → output: azioni motorie.

Target umanoidi Unitree: G1, H1, H2. Prerequisito: GPU top-tier (A100/H100) per inference reale. Uso tipico: "prendi la tazza blu e mettila sul tavolo" → azioni.

Link: README

unitree_lerobot

End-to-end

Framework embodied AI con HuggingFace

Integra LeRobot di HuggingFace con Unitree. Data collection → training imitation learning → deploy sul robot.

Pipeline tipica:

Teleoperation con XR → registra dataset
Push dataset su HuggingFace Hub
Training policy (ACT, Diffusion, VQ-BeT) su GPU
Deploy policy sul robot tramite SDK2

Link: README

xr_teleoperate

XR · VR

Teleoperation da visore VR/AR

Controlla G1, H1, H2 con Meta Quest o Apple Vision Pro. Registrazione dataset per imitation learning. Stream video al visore.

Device compatibili: Meta Quest 2/3/Pro, Apple Vision Pro. Mapping: hand tracking → giunti spalla/gomito/polso del robot. Pattern usato dai ricercatori per raccogliere demo di manipolazione umana.

Link: README

Legacy · per robot pre-2024

unitree_legged_sdk

Legacy

SDK per robot pre-2024

Per Aliengo, A1, Go1, B1. API diversa da SDK2 (non usa DDS, usa UDP proprietario).

Usa questo solo se hai un A1, Go1, B1 o Aliengo. Per Go2 in poi tutto è su unitree_sdk2. Non mescolare le due API.

Link: README

unitree_ros

ROS1 · Legacy

ROS1 Noetic + URDF

Bridge ROS1 e file URDF per simulazione Gazebo. ROS1 è EOL — usa unitree_ros2 se puoi.

Utile solo per URDF (file geometrici robot per simulatori terzi come Gazebo, PyBullet). Per deploy su robot vero è meglio passare a ROS2.

Link: README

Non sai da quale partire? Se stai iniziando oggi e hai un Go2, B2, G1 o H1: unitree_sdk2 (o unitree_sdk2_python) + unitree_mujoco per testare. Poi unitree_ros2 se il tuo stack è ROS2. Tutto il resto arriva dopo, al bisogno.

SDK, ROS2 el'ecosistema GitHub Unitree

Setup ambiente di sviluppo

Stack minimo

Rete, SSH e accesso al robot

Topologia di rete Unitree

Ethernet (raccomandato)

WiFi (hotspot robot)

Credenziali SSH di default per modello

Primo SSH: step-by-step

Hardening: chiavi SSH + porta custom

unitree_sdk2: il core di tutto

High-level · Sport mode

Low-level · Motor control

ROS2: il robot nel tuo stack

Topic pubblicati dal robot

Topic subscribed (per comandare)

Simulazione: MuJoCo e IsaacLab

MuJoCo

Isaac Gym (legacy)

Isaac Lab

Sim-to-real senza cambiare codice

4D LiDAR L1 e SLAM con Point-LIO

Specifiche 4D LiDAR L1

Point-LIO pipeline

Cheatsheet comandi quotidiani

17 repo GitHub Unitree, tutti spiegati

SDK core · inizia da qui

SDK C++ ufficiale · core di tutto

Binding Python · prototipazione rapida

Bridge ROS2 Foxy/Humble

Controller educational · come funziona dentro

Simulazione · prima del robot vero

MuJoCo sim-to-real · identico all'SDK reale

Isaac Gym RL · 4096+ env in parallelo

RL su IsaacLab · il successore

RL su MuJoCo · no GPU richiesta

IsaacLab simulation platform

Perception & SLAM

SLAM Point-LIO per LiDAR L1/L2

Image server multi-camera

Embodied AI · frontiera 2026

UnifoLM-WMA-0 · world model + action

Vision-Language-Action model

Framework embodied AI con HuggingFace

Teleoperation da visore VR/AR

Legacy · per robot pre-2024

SDK per robot pre-2024

ROS1 Noetic + URDF

SDK, ROS2 e
l'ecosistema GitHub Unitree