企业官网建设流程全解析

如何从零安装GR00T-WholeBodyControl？Git 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-WholeBodyControl

GR00T-WholeBodyControl（GR00T 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）：

⚠️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）

安装要点：

1. 下载TAR 包（不是 DEB 包），约 10 GB，解压到任意位置（官方建议~/TensorRT），DEB 包会锁定路径和版本，难以灵活管理；
2. 在~/.bashrc中添加export TensorRT_ROOT=$HOME/TensorRT，后续构建脚本依赖这个环境变量；
3. 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 --include="motionbricks/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）：

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.py）：

python 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.md）：

1. MuJoCo 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；
2. 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

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