企业官网建设流程全解析

四足机器人自主导航怎么落地：用 OM1 让 Unitree Go2 自己认路、自己避障的完整指南

【免费下载链接】OM1Modular AI HAL (Hardware Abstraction Layer) for Robots项目地址: https://gitcode.com/GitHub_Trending/om/OM1

OM1 是一个模块化的机器人 AI 运行时（HAL 抽象层），它把摄像头、激光雷达、麦克风的数据交给大模型，再由大模型反向指挥机器人走路、说话和避障。这篇指南以 Unitree Go2 四足机器人为例，带你从零跑通它的自主导航能力。

它帮你解决什么问题

让一只机器狗"自己走路"，其实要同时解决三件事：看得到路（感知）、想得明白（决策）、走得动（控制）。传统做法是堆一堆 ROS2 节点、写死状态机，调试成本很高，换一个传感器或换一种说法就得改代码。

OM1 的思路不一样。它把整个链路抽象成三层：

• 输入层：激光雷达点云、语音（ASR）、视频画面（VLM 视觉语言模型）、里程计，全部转成自然语言描述
• 决策层：一个或多个 LLM 读取这些描述，输出"move forwards"、"turn left"这样的高层动作
• 动作层：动作连接器把高层动作翻译成cmd_vel速度指令，通过 Zenoh（一种分布式消息中间件，可以理解成机器人版的消息总线）发给机器人

好处是：感知、模型、动作都解耦了。想换模型？改一份 json5 配置就行。想加新传感器？写个插件注册进来就行，不用动主流程。整体分层可以看这张官方架构图：

从零跑通：环境准备与启动步骤

硬件准备

自主避障依赖一颗装在 Go2 头顶的激光雷达，官方推荐 SLAMTEC RPLidar A1M8（2D 单线激光雷达，扫描一圈就能得到机器人周围的距离信息）。安装角度和需要屏蔽的固定遮挡角，可以用官方测试脚本标定，方法见 docs/robotics/motion_planning_lidarA1M8.md：

开发机用网线直连 Go2，把本机网卡手动设置成192.168.123.99（掩码 255.255.255.0），这样才能和机器人内部的计算单元通信。

安装并启动

如果你只是想看效果，最快路径是下载预编译二进制（不需要装 Go），把config/、knowledge_base/等运行资产一并解压出来即可。要从源码构建的话，需要 Go 1.25.0+：

git clone https://gitcode.com/GitHub_Trending/om/OM1 cd OM1 make deps && make build

然后配置你的 API Key 环境变量，选择对应的配置启动：

export OM_API_KEY="<your_api_key>" make run CONFIG=unitree_go2_autonomy

unitree_go2_autonomy是导航场景的预设配置，定义在 config/unitree_go2_autonomy.json5，里面声明了四类输入（里程计、Google ASR 语音、Gemini VLM、激光雷达安全路径）和三类动作（TTS 说话、表情、自主移动），决策模型用的是 Gemini。想确认它跑起来了，看终端里是否持续滚动输入处理和 LLM 响应日志即可。

如果你没有真机，也可以先在 Gazebo 或 Isaac Sim 里跑，文档在 docs/simulators/ 下。

它如何"感知"周围环境

导航的安全底线来自激光雷达，这里的核心设计是"路径预检"：

系统预先算好机器人前方扇形区域的 10 条候选路径——左侧 4 条（-60° 到 -15°）、正前方 2 条（0° 和 15°）、右侧 3 条（30° 到 60°），外加一条正后方撤退路径。每条路径都检查是否会以小于机器人半宽（约 0.2 米）的距离擦到障碍物，没问题的才标记为"可用路径"，结果发布在om/paths主题上。

这套检查有两个关键阈值，配置项就叫直白的名字：

• relevant_distance_max: 1.1：只关心 1.1 米以内的障碍物，超过这个距离的墙和家具对下一步动作没影响
• angles_blanked：把雷达支架、外壳这类固定遮挡对应的角度区间屏蔽掉，免得机器人一直以为前面有东西

感知结果会同时送给两个地方：一是拼进 LLM 的上下文，让它"知道"现在能往哪走；二是直接给动作驱动做执行前校验，即使 LLM 想走的路已经封了，驱动也会拒绝执行。感知层和决策层互为备份，这是它比"纯 LLM 决策"更稳的地方。

遇到障碍时它怎么"想"

障碍信息先变成一句话

PathsProvider（源码在 internal/providers/paths.go）收到路径数据后，会把原始索引翻译成 LLM 能直接读的自然语言。比如前方被封、左右能走时，它会生成：

The safe movement directions are: 'turn left', 'turn right', 'stand still'.

如果四面都是障碍，则直接告诉 LLM：

You are surrounded by objects and cannot safely move in any direction. DO NOT MOVE.

LLM 拿到这句话再加上语音指令和画面描述，综合决定下一步动作。动作词表很小，只有五个：turn left、turn right、move forwards、move back、stand still。词表小意味着模型不容易"说错话"，执行端也好做安全校验。

指令执行也有状态机

LLM 说"前进"之后，真正落地的是 plugins/actions/unitree/go2/autonomy/move.go 里的执行器，它把一条命令拆成两阶段：先原地转到目标航向，再直线推进 0.5 米。执行期间有几个保护逻辑：

• 每 50 毫秒一个 tick 检查一次，只有机器人处于站立姿态才发速度指令
• 转向阶段如果 2 秒内航向没在收敛，直接判失败停车，防止原地打转
• 直行阶段每步都重新查"正前方路径是否仍畅通"，封了就刹车
• 任何异常都会立即发一个零速度的Twist把速度清零

除了自由移动，项目还提供了"点名导航"：说"go to the kitchen"，navigation连接器（plugins/actions/navigation/）会查已保存的地点列表，把目标位姿发布到goal_pose，交给机器人侧的 Nav2 导航栈去算全局路径。Nav2 的状态码（1 已接受、2 执行中、4 成功、5 已取消、6 异常终止）被逐帧解析回来，用于驱动一套很重要的联锁逻辑。

AI 模式联锁：谁在开就只听谁的

导航任务开始的那一瞬间，OM1 会主动发布"AI control disabled"消息，冻结 LLM 的自由移动权限——避免大模型在 Nav2 规划路径的同时自己往前凑，两边打架。任务成功后重新启用 AI 模式，机器狗还会用 TTS 播报"我到啦"。但如果任务是取消或异常终止，AI 模式保持禁用，等人工介入。也就是说任何时刻只有一条控制链在生效，这套互斥是它能安全跑在真实环境里的关键设计。

把这套能力接入你自己的项目

改配置就能换行为

大部分定制不需要碰代码。config/下的每份 json5 就是一个"机器人人格 + 能力清单"：改system_prompt_base可以换人设和交互风格，增删agent_inputs和agent_actions就能开关传感器和动作。比如给 Go2 加"看人不理生人"的守卫行为，只要把动作配置的mode设成guard，guard.go里的轮询器会每 500 毫秒查一次人脸识别服务，出现陌生面孔就丢弃所有移动指令。

接新硬件：写一个动作连接器

如果你的机器人不是 Go2，官方假设你的硬件提供高层 SDK（能接收 move、smile 这类指令），OM1 通过 USB、串口、ROS2、CycloneDDS、Zenoh 或 websocket 和它对接。新增动作的方式是实现一个连接器并在init()里注册，参考 plugins/actions/ 下任一连接器，机制说明在 docs/developing/6_actions.md。输入侧同理，自定义传感器写成 input 插件注册即可。

部署形态

面向量产的是"全自主"模式：整套服务以容器形式跑在 BrainPack（挂在机器人上的计算单元，负责建图、定位、远程控制和自动充电）上，机器人侧由 ROS2 SDK 把传感器数据发布成标准话题，OM1 消费话题、调 LLM、再发回动作。这套部署模型和组件清单在 docs/full_autonomy_guidelines/architecture_overview.md。支持的平台里 Nvidia Thor 是完整支持，AGX Orin 支持有限（重推理负载建议上 Thor）。

线上跑起来之后，仓库自带的 Grafana + Prometheus 看板可以盯 LLM、ASR 的实时延迟：

docker-compose up -d grafana prometheus

适合谁用，以及它还能往哪走

这套东西比较适合三类人：

• 有 Go2 / G1 / M20 Pro / Tron 这类机型、想给机器人加"听得懂话 + 会认路"能力的开发者
• 想研究 LLM 如何驱动物理机器人的研究者——OM1 的多 LLM 架构（快速动作模型、核心认知模型、教练模型）是个现成的实验平台
• 需要把语音、视觉、导航、TTS 拼成完整交互链的机器人应用团队

往后看，这条路线的延伸方向已经比较清晰：导航加 SLAM 建图之后可以叠加定点巡航（patrol）、禁区（keepout zones）、自动回充、人脸匿名化等能力，这些在 docs/full_autonomy_guidelines/features/ 下都有独立文档；从室内家庭陪伴到户外探索、巡检，场景切换靠的仍是换配置而不是重写代码。对新手来说，建议先跑通conversation配置熟悉输入-LLM-动作这条主链路，再切换到unitree_go2_autonomy，理解成本会低很多。

【免费下载链接】OM1Modular AI HAL (Hardware Abstraction Layer) for Robots项目地址: https://gitcode.com/GitHub_Trending/om/OM1