🧩 开源整机与仓库深度解析:从"白嫖代码"到"读懂一台机器人"

"论文读完了、数据集也下了,但真机从哪开始?"本页把当前最有代表性的开源人形整机生态——
宇树、智元、OpenLoong(青龙)以及一批低成本手臂/四足/仿真项目逐个拆开讲清:它开源了什么、用什么语言写的、什么许可证、你又能从里面真正学到什么。
读完你能回答:"我想上手人形机器人,该 fork 哪个仓库、从哪一行代码读起"。

宇树 Unitree 智元 AgiBot OpenLoong 青龙 SO-ARM100 MIT Cheetah 许可证合规

🎯 本页学习目标

1. 能说出"开源整机"生态的三大价值(降低门槛、统一基准、社区共建),并对比开源机与商业机的差异与边界
2. 能逐个讲清宇树四大仓库 unitree_sdk2 / unitree_ros2 / unitree_rl_gym / unitree_rl_lab 的用途、语言、许可证,并准确说明 G1/H1"开源的是软件栈而非机械本体"这一关键事实
3. 能说明智元 AgiBot World 数据集的规模与 CC-BY-NC-SA 许可边界、灵犀 X1 的"软硬件全套开源"含义(衔接 05-06 AgiBot World)
4. 能介绍 OpenLoong 项目背景(青龙公版机、开放原子开源基金会)、软硬件开源范围与 OpenLoong-Dyn-Control 全身动力学控制仓库的定位
5. 能列举 SO-ARM100/SO-100、Robotis、MIT Cheetah、NVIDIA Isaac、HumanML3D 等项目的用途与"能学到什么",并据此规划一条"选型→仿真→改硬件→自研关节"的学习路线(衔接 03 实操手册与 04-09、04-10)
6. 能区分 MIT / Apache-2.0 / GPL / CC-BY-NC(-SA) 的商用边界,并用"开源 ≠ 免费商用"的原则规避常见合规误区
建议用时:约 55 分钟(建议先读 05-03 论文·数据集·开源社区建立"怎么找仓库"的方法,再回到本页深读具体项目)

1 为什么"开源整机"值得深挖:生态、学习价值与商业机对比

在具身智能(embodied AI)爆发之前,机器人的"护城河"主要是机械本体 + 运控算法,厂商几乎不公开内部细节;而近两年一个显著变化是:头部厂商开始主动开源——从 SDK、仿真模型到强化学习训练仓库,再到整机图纸。为什么?因为人形机器人的瓶颈已经从"单台能不能动"转向"软件算法能不能规模化泛化",谁能让更多开发者在自己的平台上跑起来,谁就掌握了人才、数据与生态。对学习者来说,这等于把"厂商内部工程"变成了"可读的公开教材"。

1.1 三大价值:门槛、基准、社区

降低上手门槛:没有真机也能学。宇树放出的 URDF/网格模型 + 强化学习仓库,让零预算的人能在 Isaac/MuJoCo 里训练 G1/H1 的走路策略;SO-ARM100 把"拥有一台可遥操作机械臂"的成本压到千元级。
统一比较基准(benchmark):开源整机给了社区"同一台机器、同一套接口",论文里的行走速度、抗扰动、操作成功率才可比、可复现。OpenLoong 的定位正是"人形机器人的 ROS 时刻"——用一台公版机让算法横向对比。
社区共建与人才池:厂商开源不是做慈善,而是把"调试成本"和"长尾需求"外包给社区,同时沉淀训练数据与开发者心智。你 fork 一个仓库,就是在参与这个生态。

1.2 开源机 vs 商业机:不是"取代"而是"互补"

维度	开源整机/生态	商业整机(宇树 G1/H1、智元远征等)
可获取性	代码/图纸公开,部分可自行复刻或低成本组装	需购买整机,单价数十万级(人民币,约)
学到什么	底层通信、控制框架、强化学习训练、结构设计全链路	以 SDK 二次开发为主,机械/固件内部细节多不透明
可靠性与售后	自担风险,版本迭代与文档质量参差	量产可靠性、保修、技术支持
适合人群	学习、科研复现、算法原型、教育	产品化、真实场景部署、规模化数据采集

💡 关键认知:本页所说的"开源整机",多数是"开源软件生态 + (部分)开源硬件"的组合,而非"全部免费造一台"。读任何仓库,第一件事是打开它的 LICENSE 和 README 末尾的"开源范围"声明——分清楚代码、数据、图纸、固件四样东西各自是否开放、以什么协议开放。这是后面三节反复要用到的视角。

2 深度解析一 · 宇树(Unitree)开源生态

宇树(Unitree Robotics)是国内开源动作最积极的人形/四足厂商之一,其 GitHub 组织 github.com/unitreerobotics 下有十余个仓库。对人形方向的学习者,最重要的是下面四个,它们恰好构成一条"底层驱动 → ROS 接入 → 强化学习训练"的完整链路。下面逐个拆解(用途 / 语言 / 许可证 / 能学到什么),许可证以各仓库 LICENSE 文件为准。

① unitree_sdk2C++ / CMakeBSD-3-Clause(约)
用途:官方第二代跨平台 SDK,统一控制 G1/H1 人形机与 Go2/B2 四足机;底层通信与硬件接口。
能学到什么:这是理解"厂商怎么和机器人本体对话"的最佳入口。它基于 DDS(Cyclone DDS)实现高性能低延迟通信,封装了关节电机指令、电机使能/失能、零位标定、IMU 与足端传感器读取、低电平(Low Level)直控关节力矩/位置等接口。读它的 lowlevel 示例,你会第一次看清"一条走路指令是如何变成每个关节电机的电流命令"的。
仓库:github.com/unitreerobotics/unitree_sdk2 →(官方;BSD-3-Clause 为约值,以仓库 LICENSE 为准)

② unitree_ros2C++ / PythonBSD-3-Clause(约)
用途:把宇树机器人接入 ROS2(Humble)生态:自定义消息、话题桥接、示例节点、rviz 可视化。
能学到什么:如果说 sdk2 是"点对点"驱动,unitree_ros2 就是把数据"翻译"成 ROS2 标准话题(如 /joint_states、里程计、IMU)。它定义了 unitree_go、unitree_api 等消息包,并给出订阅/发布、状态机、遥控示例。读它等于上一堂"真实机器人如何融入 ROS2 图"的实战课——直接衔接本站 04-03 ROS2 软件栈与 04-09 第一个节点。
仓库:github.com/unitreerobotics/unitree_ros2 →

③ unitree_rl_gymPythonBSD-3-Clause(约)
用途:基于 NVIDIA Isaac Gym + legged_gym 框架的强化学习训练仓库,支持 Go2/G1/H1 的 locomotion(运动)策略。
能学到什么:这是"零真机学走路控制"的经典入口。它继承 legged_gym 的 PPO 训练管线,把机器人运动建模成"观测(关节角/角速度/基座姿态/指令)→ 动作(关节位置目标)"的策略网络,靠大规模 GPU 并行仿真 + domain randomization 训出可 sim2real 的策略。读它你会理解奖励函数怎么设计、动作空间为什么用位置增量、扰动/摩擦随机化如何提升迁移性——正是 04-04 强化学习与 04-07 sim2real 的落地案例。
仓库:github.com/unitreerobotics/unitree_rl_gym →(依赖已停更的 Isaac Gym 预览版)

④ unitree_rl_labPythonBSD-3-Clause(约)
用途:基于 IsaacLab(Isaac Sim)的强化学习实现,支持 Go2/G1/H1/H1-2,任务从 locomotion 扩展到全身运动与操作。
能学到什么:这是宇树当前主推的训练仓库,也是 unitree_rl_gym 的"升级替代"。它基于更现代的 IsaacLab 环境抽象,支持多机器人并行、课程学习(curriculum)、上下半身协同(行走 + 抓取)等。相比 rl_gym,它的代码组织更工程化、任务目录更清晰(不同机型/任务分文件夹),是学习"如何把 RL 训练工程化、可复现、可扩展"的优质范本。宇树另有基于 MuJoCo 的 unitree_rl_mjlab(约 2024 后推出),可对照理解"同一训练目标在不同仿真后端下怎么表达"。
仓库:github.com/unitreerobotics/unitree_rl_lab → · unitree_rl_mjlab →

2.1 G1 / H1 的"开源程度"到底有多少

一个高频误区是"宇树开源了 G1/H1,所以我能在家里造一台"。实际开源的是软件栈、算法与仿真资产,而非机械本体。具体拆开看:

资产类型	是否开源	说明
SDK / 底层通信(sdk2)	✅ 开源	BSD-3-Clause(约),可直接二次开发
ROS2 支持(unitree_ros2)	✅ 开源	消息、桥接、示例全公开
强化学习训练仓库	✅ 开源	rl_gym / rl_lab / rl_mjlab,策略与配置公开
URDF / 网格模型(仿真用)	✅ 部分开源	用于 MuJoCo/Isaac 加载仿真,精度以官方为准
整机结构图纸 / 关节模组 CAD	❌ 未开源	关节电机、减速器、结构件内部设计不公开
固件源码(电机驱动器等)	❌ 基本未开源	只提供编译好的固件与升级工具

⚠️ 结论:对"想学整机结构、自研关节模组"的人,宇树 G1/H1 只能提供控制与算法层面的参照,无法提供机械本体图纸。若要"软硬件都开源的人形整机",请转向下一节的灵犀 X1 与第 4 节的 OpenLoong(青龙)。

上手命令速查(unitree_sdk2 → 编译 → 跑示例):

# 1. 克隆 SDK(含 C++ 头文件/库与示例;也可用 unitree_ros2 走 ROS2 路线)
git clone https://github.com/unitreerobotics/unitree_sdk2.git
cd unitree_sdk2

# 2. 编译(标准 CMake 流程)
mkdir build && cd build
cmake ..
cmake --build .          # 或 make -j$(nproc)

# 3. 跑官方示例(只读话题不需要机器人,写指令请务必先空载/架起测试!)
#    示例二进制与参数名以仓库 README 为准,不同版本子路径可能不同
./example/hello_world    # DDS 通信自检
# 仿真/真机都走同一套接口:真机网口直连(网卡名如 enp3s0)
sudo ./example/low_level # 低层关节示例(危险操作,先读 README)

3 深度解析二 · 智元(Agibot)开源

智元机器人(Agibot,创始人是人称"稚晖君"的彭志辉)在开源上的策略是"数据 + 整机 + 仿真"三线并进:用百万级真机数据集抢占具身智能的"数据高地",用灵犀 X1 的软硬件全套开源抢占"整机复刻"入口,再用 Genie 仿真平台降低训练数据成本。对人形学习者,最重要的是前两者。

3.1 AgiBot World:百万级真机操作轨迹数据集

AgiBot World 是智元联合 OpenDriveLab 等团队于 2024 年 12 月首开源的大规模真实机器人操作数据集(官方称 100 万+ 条轨迹,使用 100+ 台机器人、覆盖 100+ 场景,含夹爪与灵巧手、单臂与双臂等多种形态)。任务覆盖抓取、叠放、插拔、收纳、工具使用等,是 VLA / 模仿学习训练的"ImageNet 时刻"级素材(衔接 05-06 中关于 AgiBot World 的用途)。

能学到什么:一是"高质量真机操作数据怎么采"——数据采集器、遥操作、多相机/触觉多模态同步标注;二是"真实数据训练出的策略长什么样";三是数据清洗、质量评估与任务划分的工程方法。
许可与商用边界(重点):Alpha 版本采用较严格的自定义协议;Beta 版本标注为 CC-BY-NC-SA 4.0——即"署名 + 非商业性使用 + 相同方式共享"。这意味着你可以用于学习、科研、非商业复现,但不能直接把数据用于商业产品训练,衍生数据也须以相同协议开放。商用需与官方单独授权。
配套:官方后续还发布了合成数据方向的 AgiBot Digital World / Colosseo 与 LLM 驱动的开源仿真平台 Genie Sim(约 2026 年初报道),用于低成本生成训练数据;细节以官方发布为准。

仓库:github.com/OpenDriveLab/AgiBot-World → · 官方公告:智元开源 AgiBot World →

3.2 灵犀 X1:软硬件全套开源的人形机器人

灵犀 X1(Lingxi X1)是智元面向开发者推出的全尺寸开源人形机器人(约 2024 年 10 月起陆续开放),与 AgiBot World 不同,它开源的是整机本身——官方称"软硬件全套图纸和代码"公开,包括结构设计(CAD)、硬件设计(关节模组、驱动器、传感器布局)、固件与软件,允许开发者复刻、改造。

能学到什么:这是"想自研人形整机"最接近的一手教材——你可以直接读它的关节模组布局与选型、灵巧手结构设计、整机自由度分配、装配与调试流程,把本站 02 电机选型与 03 Hdrive 关节模组项目的知识串成一条完整实物链。
许可与商用边界:整机图纸/代码面向"开发与研究"开放,具体商用条款需逐仓库核对官方 LICENSE 与说明,不可默认"免费商用"。
入口:官方 GitHub 组织 AgibotTech(github.com/AgibotTech →)下可找到灵犀 X1 相关仓库;仓库命名与目录以官方组织页为准。

💡 宇树 vs 智元,一句话对比:宇树开源的是"控制与算法生态"(软件多、本体闭),智元开源的是"数据 + 整机"(数据非商用、整机软硬件开放)。你的目标决定你该先 fork 谁——想学运控/RL 走宇树,想学整机结构/数据走智元。

上手命令速查(数据集下载 + 整机仓库 clone):

# 1. 安装 HuggingFace CLI(AgiBot World 托管在 HF 数据集仓)
pip install -U "huggingface_hub[cli]"

# 2. 下载 AgiBot World 数据(体量很大,建议先下子集试水;
#    具体数据集名/版本以 OpenDriveLab/AgiBot-World 仓库 README 为准)
huggingface-cli download agibot-world/AgiBot-World-beta \
    --repo-type dataset --local-dir ./agibot_world
# 只下某个分片可用 --include "observation/**" 之类过滤

# 3. 克隆灵犀 X1 相关仓库(组织 AgibotTech,子仓库名/路径以组织页 README 为准)
git clone https://github.com/AgibotTech/x1_description.git   # URDF/结构描述
# git clone https://github.com/AgibotTech/<其他子仓库>.git   # 固件/上位机等,见组织页

4 深度解析三 · OpenLoong(开源人形整机公版)

OpenLoong 是上海人形机器人创新中心(国家地方共建人形机器人创新中心)主导、联合多所高校与企业共建的开源人形机器人公版项目,其参考整机"青龙"是国产首款全尺寸通用人形机器人公版机(全尺寸、数十自由度),项目已入选开放原子开源基金会(OpenAtom)。它的定位被社区比作"人形机器人的 ROS 时刻"——用一套统一的公版硬件与软件栈,让不同团队的算法能在同一台机器上公平对比。

4.1 项目背景与开源范围

背景:2024 年 WAIC 首度亮相,旨在解决人形机器人领域"各自为战、软硬件不互通"的碎片化问题。青龙公版机提供整机结构、关节模组、硬件设计、软件栈与文档。
软硬件开源范围:整机结构设计、关节模组/驱动器硬件、软件栈(全身动力学控制、状态估计、仿真、遥操作、ROS 接入)、开发文档等成体系开放,供社区复刻与二次开发。
许可:受开放原子开源基金会治理,各仓库协议以 LICENSE 为准(多为宽松型开源协议,商用边界需逐仓库确认)。

4.2 OpenLoong-Dyn-Control:全身动力学控制软件包

这是 OpenLoong 生态里最有"硬核学习价值"的仓库之一:面向人形机器人的全身动力学控制(whole-body dynamics control)软件包,采用 C++ 编写,实现站立、行走、抗扰动等全身运动控制。它把"人形机器人怎么靠全身协调保持平衡并行走"这件事落成了可读代码:

能学到什么:全身动力学建模(浮动基座动力学)、任务空间/接触约束表达、MPC-WBC(模型预测控制 + 全身控制)框架、足式机器人接触相切换与质心动量控制。这是从"单个关节 FOC"(本站 02/03 章)跃升到"整机运控"的关键一跳,也是理解宇树/智元行走策略背后原理的理论底座。
学习建议:先跑通它附带的仿真示例,再对照论文/文档读"模型 → 优化问题 → 求解 → 力矩指令"这条链路,不必一开始就啃透全部数学。

仓库:github.com/loongOpen/OpenLoong → · github.com/loongOpen/OpenLoong-Dyn-Control →

上手命令速查(青龙 Dyn-Control 包 clone + 编译运行):

# 1. 克隆全身动力学控制包(子目录与构建方式以仓库 README 为准)
git clone https://github.com/loongOpen/OpenLoong-Dyn-Control.git
cd OpenLoong-Dyn-Control

# 2. 安装依赖(Eigen / Pinocchio / MuJoCo 等,版本要求见 README)
sudo apt install libeigen3-dev
# Pinocchio / MuJoCo 建议按官方文档用 robotpkg 或 pip 安装

# 3. 编译(标准 CMake 流程)
mkdir build && cd build
cmake ..
make -j$(nproc)

# 4. 运行仿真示例(青龙仿真环境,具体可执行名以 README 为准)
./simulation          # 或 ros2 launch 对应的 launch 文件
# 提示:先在 MuJoCo 仿真里跑通"站立→行走",再考虑真机/同构平台移植

5 其他值得关注的开源项目(手臂 · 四足 · 仿真 · 数据)

除了三大整机生态,还有一批"小而精"的开源项目,是低成本上手与补齐某块技能的最佳跳板。

项目	一句话用途	能学到什么	入口
SO-ARM100 / SO-100 (The Robot Studio)	低成本开源 6 自由度舵机机械臂(单臂约百美元级,约 $100~$300),兼容 Hugging Face LeRobot	低成本手臂搭建、舵机控制、遥操作、模仿学习(ACT/扩散策略)全流程	GitHub →
Robotis 系列 (OpenManipulator-X / Dynamixel SDK)	成熟的教育/科研机械臂 + 舵机生态,ROS/MoveIt 支持完善	Dynamixel 舵机协议、ROS 机械臂控制、MoveIt 运动规划	DynamixelSDK → · OpenManipulator-X →
MIT Cheetah Software (mit-biomimetics)	麻省理工四足机器人控制器,QP 型 MPC 的经典实现	MPC 步态控制、摆动/支撑相、阻抗控制——宇树/OpenLoong 运控的"祖师爷"	GitHub →
NVIDIA Isaac (Isaac Sim / Isaac Lab / Isaac Gym)	GPU 并行机器人仿真 + 强化学习训练框架(宇树 rl_lab 的底座)	GPU 大规模仿真、RL 环境抽象、sim2real 训练管线	IsaacLab →
HumanML3D (EricGuoICT)	文本-人体运动数据集(约 14,616 个动作,基于 AMASS),text-to-motion 的基准	SMPL 人体运动表示、文本-动作对齐、人形动作生成的数据基础	GitHub →

💡 选型速记:预算最紧、想练"遥操作+模仿学习"→ SO-ARM100;想学经典运控→ MIT Cheetah + OpenLoong-Dyn-Control;想做 RL/仿真→ Isaac Lab + unitree_rl_lab;想做人形动作生成→ HumanML3D 打底。

6 从开源整机开始的学习路线:选型 → 仿真 → 改硬件 → 自研关节

把上面所有仓库串成一条可执行路径,目标不是"收集 star",而是"每步都有可交付的产出"。

1选型定目标
按预算与目标选入口:练操作→SO-ARM100;练运控/RL→宇树仿真+Isaac;学整机结构→灵犀 X1 / 青龙图纸。

2跑通仿真
在 MuJoCo/Isaac 加载 URDF,跑通 ROS2 关节话题,复现 unitree_rl_lab 的走路 demo(衔接 04-09/04-10)。

3改硬件
在开源手臂/人形上加传感器、换关节模组,验证自己的控制改动(衔接 03 项目实操)。

4自研关节
吃透开源整机的关节选型后,自己设计电机+减速器+编码器+FOC 驱动,替换进整机(衔接 03 实操)。

✅ 里程碑建议:第 2 步结束时你应能"在仿真里让 G1 稳定行走并调奖励函数";第 4 步结束时你应能"拿出一个自己设计的关节模组并让它跑 FOC 闭环"。这条路线把本页的"看仓库"与本站 02/03 章的"做硬件"、06 章的"写软件"闭合了起来。

7 许可证与合规:开源 ≠ 免费商用

fork 仓库之前,必须先看懂它挂的许可证。机器人项目常见四大类,商用边界差异极大。

许可证	能否商用	核心要求	机器人领域典型
MIT	✅ 可	保留版权与许可声明即可,几乎无其他限制	部分 SDK、Cheetah-Software(约)
Apache-2.0	✅ 可	保留声明 + 明确专利授权 + 商标不授权	ROS2、LeRobot、Dynamixel SDK(约)
GPL(GPLv3)	⚠️ 可但受限	"传染性"copyleft:修改后分发须以 GPL 开源衍生源码	部分 Linux 内核相关、少数运控库
CC-BY-NC(-SA) 4.0	❌ 非商用	署名(BY)+ 非商业(NC)+ 相同方式共享(SA)	AgiBot World Beta 数据集

MIT / Apache-2.0 是"商用友好"宽松协议:可改、可闭源、可商用,核心义务是保留版权声明;Apache-2.0 额外给了专利授权、并明确"不授权商标使用权"。
GPL 是"传染性"强 copyleft:你能用、能卖,但一旦修改并分发,衍生作品也须开源(GPL 兼容协议)。把 GPL 代码混进闭源产品是常见翻车点。
CC-BY-NC 的 NC(非商业)是硬边界:AgiBot World Beta 的 CC-BY-NC-SA 4.0 明确禁止商业用途,且 SA 要求衍生数据同样开放——用于论文/学习没问题,用于商业模型训练不行。
数据与代码的许可证要分开看:一个仓库可能"代码 MIT、数据 CC-BY-NC",甚至数据还叠加第三方(如 AMASS)协议。逐仓库、逐资产类型核对,才是合规的正确姿势。

8 常见误区:这些坑别踩

❌ 误区一:"开源 = 可以随便商用"。
真相:MIT/Apache-2.0 可商用,但 GPL 有传染性、CC-BY-NC 明确非商用;即便宽松协议也要求保留版权声明。商用前必须逐条读 LICENSE。

❌ 误区二:"宇树 G1/H1 开源了,所以能自己造一台"。
真相:开源的是 SDK/ROS2/RL 训练与仿真资产,机械本体图纸、关节模组 CAD、固件源码未开放。想"软硬件都开源"看灵犀 X1 与青龙。

❌ 误区三:"fork 下来不保留 LICENSE 也没关系"。
真相:即使是最宽松的 MIT/Apache-2.0,义务也是"保留版权与许可声明";删掉 LICENSE 再分发即构成侵权。

❌ 误区四:"数据集的代码许可 = 数据许可"。
真相:两者常分开授权(如 HumanML3D 数据基于 AMASS、AgiBot World 数据为 CC-NC)。用数据训练模型前,要看的是数据的协议,不是仓库顶层那个 LICENSE。

📌 本节小结:开源整机生态的价值在于"降低门槛、统一基准、共建生态"。宇树开的是控制与算法(sdk2/ros2/rl_gym/rl_lab 四件套),智元开的是数据 + 整机(AgiBot World 非商用 + 灵犀 X1 软硬件开源),OpenLoong 开的是公版整机 + 全身动力学控制(青龙 / OpenLoong-Dyn-Control),再加上 SO-ARM100、MIT Cheetah、Isaac、HumanML3D 等"小而精"跳板。上手路径是"选型 → 仿真 → 改硬件 → 自研关节",而每一步都要先读懂 MIT/Apache/GPL/CC-NC 的商用边界——记住:开源 ≠ 免费商用。

🤔 思考题: 1. 如果你只有 2000 元预算想学"人形机器人操作",你会选 SO-ARM100 还是订阅宇树 G1 的仿真?请说明理由,并列出你会用到本页哪些仓库。
2. 你想用 AgiBot World 训练一个 VLA 做家务,但公司要求商业化——许可证层面你会遇到什么问题?有哪些合规路径?
3. 对比 OpenLoong-Dyn-Control(模型化 MPC/WBC)与 unitree_rl_lab(强化学习)两条走路控制路线,各自的优劣与适用场景是什么?你更想先学哪条,为什么?

9 本节自测

1. 关于宇树(Unitree)开源生态,下列说法正确的是?

💡 解析:sdk2 是 C++ 底层 SDK(基于 DDS/Cyclone DDS 通信)、rl_lab 基于 IsaacLab,均正确。B 错——rl_gym 基于 Isaac Gym(非 MuJoCo)、ros2 面向 ROS2 Humble;C 错——宇树开源的是软件栈,机械本体图纸未开放;D 错——宇树仓库多为 BSD-3-Clause(约)。故选 A。

2. 关于智元 AgiBot World 数据集,下列说法正确的是?

💡 解析:AgiBot World 是 2024 年 12 月开源的真机操作轨迹数据集(官方称 100 万+ 条、100+ 机器人、100+ 场景),覆盖夹爪/灵巧手、单臂/双臂;Beta 版标注 CC-BY-NC-SA 4.0,禁止商业使用。A/B/D 均与事实不符。故选 C。

3. 关于 OpenLoong 项目,下列说法正确的是?

💡 解析:OpenLoong 由上海人形机器人创新中心主导、入选开放原子开源基金会,公版机为"青龙";OpenLoong-Dyn-Control 是 C++ 编写的全身动力学控制软件包。A(非宇树)、C(是控制代码)、D(软硬件成体系开源)均错。故选 B。

4. 关于开源许可证与商用边界,下列说法正确的是?

💡 解析:宽松协议(MIT/Apache-2.0)可商用但须保留声明;GPL 是强 copyleft,修改分发需开源衍生;CC-BY-NC 的 NC 即"非商业"。因此"开源 ≠ 免费商用",需逐仓库核对协议。A/B/C 均误解了相应协议。故选 D。

5. 关于灵犀 X1(智元)与宇树 G1/H1 的"开源程度"对比,下列说法正确的是?

💡 解析:灵犀 X1 是智元"软硬件全套开源"的人形整机,开源的是整机本身(结构/硬件/固件/软件,见第 3.2 节);而宇树 G1/H1 开源的是"控制与算法生态",整机结构图纸、关节模组 CAD、固件源码未开放(见第 2.1 节)。B 把灵犀 X1 与 AgiBot World 混为一谈;C 正是"误区二";D 与两者实际开源情况都不符。故选 A。

6. 关于第 5 节"小而精"开源项目的选型,下列说法正确的是?

💡 解析:第 5 节"选型速记"明确:预算最紧练"遥操作+模仿学习"→ SO-ARM100(低成本 6 自由度舵机臂);想学经典运控→ MIT Cheetah(MPC)+ OpenLoong-Dyn-Control。A 错——MIT Cheetah 是 QP 型 MPC 四足控制器,不是 RL 训练框架;C 错——HumanML3D 是"文本-人体运动"数据集;D 错——SO-ARM100 来自 The Robot Studio,非宇树公版机。故选 B。

7. 关于开源合规的"常见误区",下列哪种认知是【正确】的(不会踩坑)?

💡 解析:误区三与误区四强调——即便最宽松的 MIT/Apache-2.0 也要求"保留版权与许可声明",删 LICENSE 再分发即侵权(排除 A);NC 是"非商业"硬边界(排除 B);"数据集的代码许可 ≠ 数据许可",两者常分开授权(如 AgiBot World 数据为 CC-BY-NC、HumanML3D 数据基于 AMASS),故 D 正确。故选 D。

📌 本节要点速查:① 开源整机三大价值:降低门槛、统一基准、社区共建;② 宇树开"控制与算法"(unitree_sdk2→ROS2→rl_gym→rl_lab 四件套),本体图纸与固件未开源;③ 智元开"数据 + 整机":AgiBot World(百万级真机轨迹,CC-BY-NC-SA 非商用)+ 灵犀 X1(软硬件全套开源);④ OpenLoong 是"人形机器人的 ROS 时刻",青龙公版机 + OpenLoong-Dyn-Control 全身动力学控制;⑤ 学习路线:选型 → 仿真 → 改硬件 → 自研关节;⑥ 许可证边界:MIT/Apache 可商用、GPL 传染性、CC-NC 非商用——开源 ≠ 免费商用。

10 参考来源

以下链接均经 web_search 核实为官方 / 稳定地址;仓库许可证、数据集规模等以各仓库页面的 LICENSE 与 README 为准,文中已对不确定处标注"约"。

宇树开源生态:unitree_sdk2 → · unitree_ros2 → · unitree_rl_gym → · unitree_rl_lab → · unitree_rl_mjlab → · unitreerobotics 组织页 →
AgiBot World:github.com/OpenDriveLab/AgiBot-World → · 智元官方:开源 AgiBot World 数据集 →
灵犀 X1 开源:IT之家:智元宣布灵犀 X1 面向全球开源 → · github.com/AgibotTech(组织)→
OpenLoong / 青龙:github.com/loongOpen/OpenLoong → · OpenLoong-Dyn-Control → · OpenLoong 入选开放原子开源基金会(leaderobot)→
SO-ARM100:github.com/TheRobotStudio/SO-ARM100 → · HuggingFace LeRobot →
Robotis:DynamixelSDK → · OpenManipulator-X e-Manual →
MIT Cheetah Software:github.com/mit-biomimetics/Cheetah-Software →
NVIDIA Isaac:github.com/isaac-sim/IsaacLab →
HumanML3D:github.com/EricGuoICT/HumanML3D →