如何从零安装GR00T-WholeBodyControlGit LFS、TensorRT版本与5个虚拟环境的完整避坑清单【免费下载链接】GR00T-WholeBodyControlWelcome to GR00T Whole-Body Control (WBC)! This is a unified platform for developing and deploying advanced humanoid controllers. This includes: Decoupled WBC models used in NVIDIA Isaac-Gr00t, Gr00t N1.5 and N1.6 and GEAR-SONIC项目地址: https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControlGR00T-WholeBodyControlGR00T 全身控制是 NVIDIA 开源的统一人形机器人控制器平台集 GR00T N1.5/N1.6 的解耦全身控制Decoupled WBC与 GEAR-SONIC 通用全身控制器于一体支持训练、评估与真机部署。很多新手卡住的并不是代码本身而是环境细节Git LFS 没拉全、TensorRT 版本装错、虚拟环境没建对。本文按先装对版本 → 再拉对文件 → 后建对环境的顺序给你一份可直接照做的完整避坑清单。一、系统要求先把这张对照表存下来开始之前请确认你的机器满足以下条件详见 docs/source/getting_started/installation_deploy.md项目要求操作系统Ubuntu 20.04 / 22.04 / 24.04 或其他 Debian 系Python3.8训练场景必须 3.11CUDACUDA 12.xNVIDIA GPU训练推荐 L40Git必须安装 Git LFS 扩展磁盘空间建议预留 10 GB 以上⚠️最大的一个坑TensorRT 版本必须精确匹配。装错版本不会报错但推理结果会是错的——规划器会输出错误动作这在真机上属于危险行为。TensorRT 版本速查重点中的重点平台必须安装的 TensorRT 版本x86_64 桌面/服务器10.13Jetson / G1 机载 Orin10.7需先升级到 JetPack 6安装要点下载TAR 包不是 DEB 包约 10 GB解压到任意位置官方建议~/TensorRTDEB 包会锁定路径和版本难以灵活管理在~/.bashrc中添加export TensorRT_ROOT$HOME/TensorRT后续构建脚本依赖这个环境变量机载 Orin 部署必须先把系统刷到JetPack 6刷机步骤见 docs/source/references/jetpack6.md。二、克隆仓库Git LFS 不装 白装仓库内含大量 LFS 跟踪的大文件机器人网格模型、ONNX 模型等。没装 Git LFS 直接 clone你拿到的是几百字节的指针文件而不是真实数据后续会在各种莫名其妙的地方静默失败。一键克隆步骤sudo apt install git-lfs git lfs install git clone https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControl.git cd GR00T-WholeBodyControl git lfs pull补充说明MotionBricks 预训练检查点约 2.2 GB默认跳过如需运行 MotionBricks 演示再执行git lfs pull --includemotionbricks/out/** --exclude装完可运行仓库自带的预检脚本 check_environment.py它会检查 Python 版本、Git LFS 文件是否真正拉取、CUDA、TensorRT 路径、磁盘空间等python check_environment.py # 全部检查 python check_environment.py --training # 仅训练检查 python check_environment.py --deploy # 仅部署检查三、5 个虚拟环境一个脚本建一个互不干扰项目采用每个用途一个轻量虚拟环境的设计安装脚本基于uv会自动创建隔离的 venv无需手动管理。五个环境对应关系如下脚本都在 install_scripts/ 目录虚拟环境用途安装命令仓库根目录执行.venv_simMuJoCo 仿真sim2simbash install_scripts/install_mujoco_sim.sh.venv_teleopPICO VR 全身遥操作bash install_scripts/install_pico.sh.venv_data_collection录制 LeRobot 格式示教数据bash install_scripts/install_data_collection.sh.venv_camera组合相机服务OAK 深度相机bash install_scripts/install_camera_server.sh.venv_inferenceVLA 推理Isaac-GR00T PolicyClientbash install_scripts/install_inference.sh避坑提示新手建议只装你需要的。例如只做仿真验证装.venv_sim即可脚本会主动跳过遥操作等无关依赖训练/微调 SONIC 是唯一需要 Isaac Lab的场景Isaac Lab 需单独安装装好后在 Isaac Lab 环境中执行pip install -e gear_sonic/[training]完整流程见 docs/source/getting_started/installation_training.md所有脚本都要求在仓库根目录执行脚本内部会自动检测架构x86_64 / aarch64并自动安装 uv。四、部署栈编译C TensorRT 推理引擎真机部署走的是 gear_sonic_deploy/ 下的 C 推理栈。原生安装三步走也推荐此方式构建快、生产可用cd gear_sonic_deploy chmod x scripts/install_deps.sh ./scripts/install_deps.sh # 1. 系统依赖 source scripts/setup_env.sh # 2. 配置 TensorRT / CUDA / ONNX Runtime 路径 just build # 3. 编译其中 gear_sonic_deploy/scripts/setup_env.sh 会自动完成TensorRT 环境配置Jetson 上还会处理 DLA 库路径、CUDA Toolkit 探测、ONNX Runtime 定位、ROS2 环境加载和 Git LFS 检查。建议把它加入~/.bashrc一劳永逸。如果你更习惯容器化开发项目提供了 ROS2 Humble 的 Docker 环境支持 x86_64 与 Jetson 双架构cd gear_sonic_deploy ./docker/run-ros2-dev.sh # 标准构建 ./docker/run-ros2-dev.sh --rebuild # 强制重建注意Docker 方案要求宿主机先设置好TensorRT_ROOT容器内再执行source scripts/setup_env.sh just build。五、下载模型并跑通第一次验证环境就绪后用仓库自带脚本从 Hugging Face 拉取模型与规划器见 download_from_hf.pypython download_from_hf.py # 默认 SONIC 模型 规划器 python download_from_hf.py --low-latency # 低延迟遥操作版本 python download_from_hf.py --training # 训练检查点 SMPL 数据推荐的上手验证路径详见 docs/source/getting_started/quickstart.mdMuJoCo sim2sim终端 1 激活.venv_sim运行python gear_sonic/scripts/run_sim_loop.py终端 2 执行bash deploy.sh sim按]启动策略、T播放参考动作——先在仿真里把整套控制流程跑通真机部署熟悉仿真操作后执行./deploy.sh real切到实体机器人并务必做好急停准备。六、避坑清单速查表常见现象原因解决网格/模型文件只有几百字节没装 Git LFS 或未git lfs pull安装 LFS 后重新拉取推理动作完全不对但无报错TensorRT 版本不匹配严格按 10.13x86/ 10.7Orin重装Orin 上找不到 TensorRTJetPack 版本过低先按刷机指南升级 JetPack 6构建找不到 ONNX Runtime未执行 setup_env.sh先source scripts/setup_env.sh再构建check_environment.py报 Disk space磁盘不足 10 GB清理空间TensorRT TAR 包本身就有约 10 GB各 venv 之间互相污染手动 pip 装错环境只用 install_scripts 建环境脚本自动隔离装好之后运行python check_environment.py --deploy全部 PASS再按 Quick Start 跑一次 sim2sim你的 GR00T 全身控制环境就算从零到跑通完成了。【免费下载链接】GR00T-WholeBodyControlWelcome to GR00T Whole-Body Control (WBC)! This is a unified platform for developing and deploying advanced humanoid controllers. This includes: Decoupled WBC models used in NVIDIA Isaac-Gr00t, Gr00t N1.5 and N1.6 and GEAR-SONIC项目地址: https://gitcode.com/gh_mirrors/gr/GR00T-WholeBodyControl创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考