hardware 5 min • intermediate

Le Unitree G1‑EDU offre une locomotion adaptative à 50 Hz sur terrain réel, mais les chiffres clés de temps et de sécurité restent inédits

Les déploiements indépendants de 2025 de BeamDojo, HOMIE, et ResMimic vérifient les capacités en temps réel sur Jetson Orin NX avec Livox MID‑360, tandis que la latence, la reprogrammation, la perturbation et les benchmarks HRI du G1 de série sont encore manquants

Par AI Research Team
Le Unitree G1‑EDU offre une locomotion adaptative à 50 Hz sur terrain réel, mais les chiffres clés de temps et de sécurité restent inédits

Unitree G1‑EDU propose une locomotion adaptative à 50 Hz sur un terrain réel, mais les chiffres clés sur le timing et la sécurité restent inédits

Des déploiements indépendants de BeamDojo, HOMIE et ResMimic en 2025 vérifient les capacités en temps réel sur Jetson Orin NX avec Livox MID‑360, tandis que la latence de G1 en stock, la replanification, les perturbations et les références HRI manquent encore

Un humanoïde compact exécutant une politique de locomotion apprise à 50 Hz sur un terrain réel, en temps réel, sur un ordinateur embarqué n’est plus seulement un fantasme de démonstration. Le G1‑EDU de Unitree a désormais exécuté le placement autonome des pieds sur des points d’appui rares et difficiles avec détection et calcul à bord, tout en soutenant la téléopération haute fréquence à opérateur unique pour des tâches de corps entier. Ce ne sont pas des moments de démonstration; ce sont des résultats ancrés dans la méthode sur un matériel prêt à être expédié.

Et pourtant, les chiffres les plus conséquents pour un déploiement dynamique et non structuré restent absents. Il n’existe toujours pas de bilan quantitatif public sur la latence de perception à action du G1 en production, la cadence de commande à bas niveau, les horizons de replanification du mouvement, les seuils de récupération des poussées, l’évitement dynamique des obstacles, la bande passante de manipulation, la marge d’énergie, ou les comportements de sécurité HRI. Pour les laboratoires et les programmes pilotes, le message est double: le G1‑EDU est une plateforme de recherche en IA incarnée crédible avec des comportements en temps réel vérifiés, et il exige encore une campagne de vérification disciplinée avant d’être considéré fiable autour de personnes en mouvement et d’environnements imprévisibles. 🤖

La plateforme en un coup d’œil: ce que G1 et G1‑EDU contiennent réellement

La ligne “G1” de Unitree est un bipède compact avec deux offres étroitement liées:

  • Le G1 consommateur/basique avec 23 degrés de liberté (DoF) et un ordinateur de commande du mouvement embarqué fermé.
  • Le G1‑EDU orienté développeur, qui prend en charge des configurations de 23 à 43 DoF (y compris des DoF de taille/poignet ajoutés et des mains optionnelles à trois doigts) et conserve le même contrôleur de mouvement fermé tout en ajoutant un calcul ouvert NVIDIA Jetson Orin NX pour la perception et le contrôle de haut niveau.

Les détecteurs et l’I/O sont modernes et adaptés aux chercheurs:

  • LiDAR 3D Livox MID‑360 intégré et caméra de profondeur Intel RealSense D435i.
  • La connectivité inclut Wi‑Fi 6, Bluetooth 5.2, double GbE, plusieurs USB‑C 3.x, et une alimentation auxiliaire régulée 12/24 V pour l’expansion et l’enregistrement.
  • Le SDK est construit sur DDS et expose des sujets en temps réel et des RPC pour le contrôleur bas niveau et la main optionnelle à trois doigts Dex3‑1.

L’inspection des unités G1 en cours d’expédition montre une base logicielle orientée vers le temps réel: Ubuntu 20.04.5 avec un noyau PREEMPT_RT, ROS 2 Foxy avec CycloneDDS, et un graphe de processus supervisé orchestré par un service central. Les processus nommés incluent le contrôle du mouvement (ai_sport), l’estimation de l’état, le robot_état, WebRTC, OTA et les composants de voix/NLP, tous sous supervision. Cela vérifie une base middleware conforme aux normes de l’industrie, mais cela ne révèle pas, en soi, les timings de performance mouvement ou les seuils de sécurité.

Ce qui est prouvé sur le matériel réel: locomotion à 50 Hz, suivi à 500 Hz, comportements de corps entier à haute fréquence

Trois déploiements indépendants ont établi ce que le G1‑EDU peut faire aujourd’hui, avec le LiDAR officiel et la caméra de profondeur et l’Orin NX embarqué exécutant les piles de recherche localement:

  • BeamDojo a exécuté une locomotion autonome sur des points d’appui rares avec une politique apprise à 50 Hz sur l’Orin NX, suivant des actions avec une boucle PD à 500 Hz et mettant à jour une carte d’élévation centrée sur le robot à 10 Hz. Le profil de succès dans le monde réel sur le G1 physique inclut:

  • Pierre d’appui: 4/5 traversées réussies; traverse 92,18 %

  • Équilibre sur poutres: 4/5; 88,16 %

  • Marcher sur poutres: 3/5; 70,00 %

  • Espaces: 5/5; 100 % Des vitesses linéaires commandées de 0,5/0,75/1,0 m/s ont produit des vitesses réalisées d’environ 0,45/0,65/0,88 m/s avec une faible erreur de suivi, incluant une traversal de 2,8 m sur pierre d’appui en 3,17 s à une commande de 1,0 m/s. Le système a montré sa robustesse tout en transportant une charge de 10 kg, sous des poussées externes, et à travers des faux pas, avec une boucle de perception à 10 Hz et un contrôle à 50 Hz soutenu par un suivi PD à 500 Hz.

  • HOMIE a démontré une téléopération de corps entier à opérateur unique à haute fréquence sur le G1, en diffusant des commandes de bras à 263 Hz et des commandes de main à 293 Hz. La politique de locomotion sur le robot fonctionnait à 50 Hz; les cibles du haut du corps étaient mises à jour à 10 Hz et interpolées à 50 Hz. La vidéo en première personne du RealSense était diffusée à environ 30 Hz. De plus, une politique visuo-motrice autonome apprise par imitation fonctionnant à 10 Hz a atteint 73,3% et 80,0% de succès sur deux tâches de prise courtes sur 15 essais chacune. La téléopération a permis la prise et la dépose bimanuelles, les transferts de main, et l’interaction avec des appareils.

  • ResMimic a déployé une loco-manipulation autonome de corps entier sur G1 en superposant un apprentissage par renforcement résiduel au-dessus d’un suivi de mouvement antérieur étendu. Les séquences sur le terrain incluent le levage et le transport d’une boîte de 4,5 kg via un contact de corps entier (dépassant la charge utile du poignet) et l’interaction avec des objets irréguliers tels que des chaises. Les résultats quantitatifs les plus détaillés de ce travail se trouvent en simulation; les séquences réelles montrent la faisabilité mais ne sont pas rapportées comme taux de succès agrégés.

Ensemble, ces résultats établissent deux piliers concrets: (1) l’adaptation du placement des pieds en temps réel sur des agencements de points d’appui difficiles à 50 Hz avec une cartographie à 10 Hz, exécutée sur l’Orin NX et suivie par une boucle PD à 500 Hz; et (2) une téléopération de corps entier à haute fréquence soutenue, avec une partie de manipulation autonome via imitation.

Le cœur non mesuré: timing de perception à action, cadence de contrôle et horizons de replanification

Les données critiques de timing pour le G1 en stock restent non publiées. Il n’y a pas de divulgation officielle de:

  • La latence de perception à action de bout en bout sous charge.
  • Les taux de commande articulaire à bas niveau et les taux de boucle de contrôle de corps entier (WBC) pour le contrôleur de mouvement fermé.
  • La cadence de planification/replanification et les horizons pour l’autonomie embarquée.

La structure LowState du SDK comprend un compteur de tick de 1 ms, indiquant une base temporelle interne de milliseconde. Ce n’est pas la preuve d’une boucle de contrôle à 1 kHz, ni une garantie d’une télémétrie à 1 kHz. Les déploiements indépendants rapportent leurs propres fréquences de fonctionnement (50/500/10 Hz, 263/293 Hz, etc.), mais ces chiffres caractérisent les piles de recherche fonctionnant sur l’Orin NX du G1‑EDU, pas la performance interne du contrôleur de mouvement propriétaire ou la latence de perception à action du robot en stock.

Pour les organisations évaluant des environnements non structurés et dynamiques, l’absence de chiffres publiés sur le timing et la replanification n’est pas un détail administratif; c’est une inconnue matérielle qui impacte directement l’évitement des collisions, les marges de stabilité et la sécurité de l’interaction homme-robot.

Adaptation au terrain, oui—métriques d’évitement dynamique, non

La performance sur terrain variable n’est plus hypothétique. La locomotion sur des points d’appui rares a été vérifiée sur des unités G1 physiques avec des taux de succès explicites, des vitesses et des fréquences de fonctionnement. Cependant, des métriques standards d’évitement dynamique d’obstacles sont toujours manquantes:

  • Aucun benchmark public ne montre les taux de succès, le temps de replanification, le dégagement minimal à vitesse, ou les distributions d’erreurs de suivi lors de l’évitement de personnes/objets en mouvement.
  • Les démonstrations vidéo sans méthodologies ne peuvent remplacer des résultats basés sur des protocoles.
  • Les distributions d’escaliers/pentes avec des statistiques de succès et des marges de sécurité n’ont pas été publiées pour le G1 sous une forme évaluée par des pairs.

Les résultats de BeamDojo sont une preuve significative du positionnement adaptatif des pieds dans des scénarios de points d’appui contraints, mais ils ne remplacent pas une navigation dans la foule ou un déploiement extérieur non structuré avec des agents dynamiques.

Manipulation aujourd’hui: téléopération à haute fréquence et imitation précoce—sans chiffres de bande passante

Concernant la manipulation, le G1‑EDU prend en charge une main optionnelle à trois doigts (Dex3‑1, 7 DoF) avec neuf réseaux tactiles/de pression (plage de perception déclarée de 10 g–2500 g) et une programmabilité basée sur DDS. Le contrôle conceptuel force-position hybride est documenté. Ce qui reste indéterminé ce sont les métriques fondamentales de bande passante et de réactivité:

  • Aucune largeur de bande publiée pour le contrôle de force/impédance de l’effecteur final.
  • Aucune latence déclarée pour la détection de glissement tactile.
  • Aucun taux de succès de préhension de cible en mouvement ou temps de réaction par rapport aux trajectoires cibles.

Ce qui est vérifié est substantiel: téléopération de corps entier à opérateur unique à 263/293 Hz pour les bras/mains; une boucle de locomotion à 50 Hz coexistant avec des commandes rapides de haut du corps; une politique d’imitation à 10 Hz avec 73-80% de succès sur deux tâches de prise. Ces résultats montrent que la téléopération à haute fréquence et une autonomie de base embarquée peuvent coexister sur la plateforme. Les chiffres de bande passante manquants, cependant, limitent l’évaluation des risques pour la manipulation dynamique (par exemple, attraper, passer des outils à des humains en mouvement, ou des prises robustes évitant les glissements sur des cibles en accélération).

Pile logicielle et connectivité: ROS 2 Foxy, CycloneDDS, PREEMPT_RT—et liens nuage persistants

Les unités G1 en cours d’expédition exécutent une pile moderne pour la robotique en temps réel:

  • Ubuntu 20.04.5 avec un noyau PREEMPT_RT (série Linux 5.10).
  • ROS 2 Foxy avec CycloneDDS.
  • Un graphe de services supervisés avec une commande maître centrale et des services nommés pour le mouvement (ai_sport), l’estimation, les communications (y compris WebRTC), l’OTA et la voix/NLP.

La plateforme maintient des connexions TLS sortantes persistantes pour la télémétrie et l’OTA, et expose des points de terminaison WebRTC et voix/NLP sous supervision. Cette architecture est pratique pour le support sur le terrain et l’assistance à distance en principe, mais elle introduit également des considérations de sécurité de niveau entreprise. Pour les pilotes, la segmentation de réseau, les contrôles de sortie des canaux de communication sortants, et les revues de confidentialité ne sont pas des extras optionnels—ils sont des exigences de premier ordre pour gérer le risque opérationnel. Notez que ces découvertes sur la connectivité valident la posture middleware et de service; elles ne sont pas des benchmarks de performance en mouvement.

Capacité énergétique et thermique: spécifications sans mesures

En ce qui concerne l’alimentation, Unitree spécifie une batterie intelligente 13‑séries de 9000 mAh avec environ deux heures d’autonomie en fonction du scénario. Au-delà de ce chiffre principal, il n’existe aucune mesure publique de:

  • Le coût des transports ou la surcharge énergétique des politiques adaptives.
  • L’utilisation du CPU/GPU et les marges de limitation thermique pendant la perception et le contrôle soutenus embarqués.
  • La marge de calcul tout en exécutant la locomotion à 50 Hz, la téléopération à haute fréquence, et l’autonomie supplémentaire simultanément.

Les pages des détaillants listent parfois des autonomies de 2.5 à 3.5 heures et une protection contre l’ingress IP54, mais ces affirmations ne sont pas corroborées par la documentation principale de Unitree et devraient être considérées comme non vérifiées jusqu’à ce que les méthodes et les conditions de test soient dévoilées.

Comportements de sécurité et de sauvegardes: des mises en garde au lieu de seuils certifiés

Unitree met l’accent sur des mises en garde générales de sécurité—des actionneurs puissants, garder une distance de sécurité, mises à jour OTA, et limites de “produit civil”—mais n’a pas publié:

  • Les marges de dégagement d’obstacles par rapport à la vitesse.
  • Les temps de réponse d’arrêt protecteur (P‑stop) ou d’arrêt d’urgence (E‑stop).
  • Les comportements de surveillance de séparation ou conformité aux normes HRI.

Les pages de détail mentionnent des modes d’arrêt d’urgence/d’amortissement et le comportement en cas de perte de signal, mais en l’absence de documentation principale ou de protocoles de test indépendants, cela reste des déclarations marketing. Aucune certification tierce ou mesure de latence d’arrêt en sécurité pour le G1 n’a été publiquement identifiée.

Revendications marketing vs. résultats ancrés dans la méthode

À travers les vitrines et les réseaux sociaux, le G1 est associé à des prétentions comme une boucle de contrôle à 500 Hz, une latence de 2 ms DNS, une vitesse bipède >2 m/s, des évaluations IP54, des escaliers/pentes de 25°, une autonomie de 2.5 à 3.5 h, une récupération après poussée, et une “technologie de récupération anti-gravité”. Les propres pages de Unitree ne quantifient pas ces prétentions avec des protocoles.

Ce qui est ancré dans la méthode et vérifié aujourd’hui:

  • Locomotion sur des points d’appui rares dans le monde réel sur G1‑EDU à 50 Hz avec une cartographie basée sur LiDAR à 10 Hz et un suivi PD à 500 Hz, incluant des taux de succès, des vitesses et une robustesse sous charge et perturbations.
  • Téléopération de corps entier à opérateur unique à haute fréquence à 263/293 Hz pour les bras/mains, avec une politique de locomotion à 50 Hz co-exécutée; une politique d’imitation à 10 Hz atteignant 73–80% de succès sur deux tâches de prise.
  • Loco-manipulation autonome de corps entier possible via l’apprentissage résiduel sur G1, avec des résultats qualitatifs sur le terrain et des détails quantitatifs principalement en simulation.

Tout le reste—le timing, la replanification, les seuils de perturbation, les bandes passantes de manipulation, la robustesse environnementale, les marges d’énergie/thermiques et les comportements de sécurité—reste non rapporté de manière à ce que les décideurs puissent agir.

Portrait instantané: ce qui est vérifié et ce qui manque

CatégorieVérifié sur G1 (chiffres/modes)Grands manques
Timing et boucles de contrôlePolitique de locomotion à 50 Hz sur Orin NX; suivi PD à 500 Hz; cartographie d’élévation à 10 Hz; sorties de téléop à 263/293 Hz (bras/mains); politique d’imitation à 10 HzPas de latence perception à action en stock; pas de taux bas niveau/WBC en stock; pas d’horizons de replanification
Terrain et évitementSuccès sur points d’appui rares: Pierres 4/5 (92,18%), Poutres (équilibre) 4/5 (88,16%), Poutres (marche) 3/5 (70%), Espaces 5/5 (100%); vitesses jusqu’à ~0.88 m/s réaliséesPas d’évitement d’obstacle en mouvement quantifié; pas de distributions escalier/pente avec marges
PerturbationRobustesse qualitative contre poussée lors de la marche sur points d’appui raresPas de seuils d’impulsion ou marges de capture de pas
ManipulationTéléopération à haute fréquence; imitation à 10 Hz avec 73-80% de succès sur deux tâches de prise; option de main tactile avec détection 10 g–2500 gPas de largeur de bande force/impédance; pas de latence de glisser; pas de métriques de préhension de cible en mouvement
Pile et connectivitéROS 2 Foxy, CycloneDDS, PREEMPT_RT; services supervisés; connexions sortantes persistantesPas de divulgation de l’interne WBC propriétaire; pas de métriques de dérive VIO/SLAM
Énergie/thermiqueBatterie 13S 9000 mAh; durée d’environ ~2 hPas de coût de transport; pas de données de marge thermique/calcul
SécuritéMises en garde généralesPas de seuils certifiés ou de comportements HRI

Ce que cela signifie pour les laboratoires et les déploiements pilotes

Pour les labos de recherche, le message est encourageant: avec le LiDAR officiel, la caméra de profondeur, et l’Orin NX embarqué, le G1‑EDU exécute une locomotion adaptative en temps réel à 50 Hz sur des agencements de points d’appui réellement complexes, tout en supportant une téléopération de corps entier à haute fréquence et une autonomie de base dirigée par imitation. Le middleware est standard ROS 2/DDS sur un noyau en temps réel, et l’I/O est prête pour l’instrumentation.

Pour les pilotes dans des environnements dynamiques et non structurés, la prudence est de mise. Il n’y a pas encore de preuve publique que le contrôleur G1 en stock délivre la latence de bout en bout, la cadence de replanification, l’évitement dynamique, le rejet des perturbations, la bande passante de manipulation, la robustesse environnementale, la marge énergétique/thermique, ou les comportements de sécurité HRI que les régulateurs et les responsables de la sécurité demanderont. La posture de sécurité est moderne mais connectée; planifiez les contrôles réseau et de confidentialité à l’avance.

Une liste de vérification ciblée pour combler les lacunes

Les équipes se préparant à des évaluations devraient mettre en œuvre une campagne courte et méthodique. Enregistrez la configuration exacte du robot (G1 vs G1‑EDU), les options DoF, et les versions logicielle/firmware.

  • Timing et boucles

  • Instrumenter la latence de perception à action de bout en bout en utilisant des déclencheurs visuels synchronisés et des capteurs de contact pied/main.

  • Consigner la médiane et le 95e percentile sous charges représentatives.

  • Enregistrer les taux réels de boucles bas niveau et corps entier lors des tâches, plus le pire temps planificateur à replanifier et les longueurs d’horizon.

  • Évitement dynamique et terrain

  • Script des essais d’obstacles en mouvement sur au moins 100 épisodes.

  • Rapporter les taux de succès, les temps à replanifier, le dégagement minimal à vitesse, et les distributions d’erreurs de suivi.

  • Standardiser les escaliers/inclinaison/surfaces flexibles/irrégulières; rapporter les taux de glissement et les actions de récupération.

  • Rejet des perturbations

  • Effectuer des tests de poussée instrumentés avec des rampes d’impulsion de plusieurs directions.

  • Quantifier les seuils d’impulsion sans chute et les marges de capture de pas.

  • Bande passante de manipulation et réponse tactile

  • Étalonner le succès de préhension de cible en mouvement versus la vitesse/accélération de la cible.

  • Mesurer la latence de réaction aux changements de trajectoire et la bande passante de contrôle de force/impédance de l’effecteur final.

  • Quantifier les latences de détection tactile/glissement avec la main Dex3‑1 si utilisée.

  • Robustesse environnementale

  • Balayer l’éclairage, l’occlusion, la réflectivité, et les conditions météorologiques contrôlées en extérieur.

  • Publier des courbes de dégradation à travers les piles de perception et de contrôle.

  • Capacité énergétique et thermique

  • Consigner la consommation de puissance, le coût de transport et les horloges/températures CPU/GPU pendant les tâches d’adaptation soutenue.

  • Identifier le début de la limitation et la marge de calcul pour l’autonomie supplémentaire.

  • Comportements de sécurité et HRI

  • Mesurer les temps de réponse d’arrêt protecteur et d’arrêt d’urgence.

  • Caractériser les comportements de dégagement dépendant de la vitesse.

  • Documenter toute conformité ou variances par rapport aux normes HRI applicables.

Conclusion

Le G1‑EDU de Unitree a franchi un seuil significatif: la locomotion adaptative en temps réel à 50 Hz avec cartographie et détection embarquées, plus la téléopération de corps entier à haute fréquence et une autonomie précoce basée sur l’imitation, tous exécutés sur le robot. C’est une plateforme crédible pour la recherche en IA incarnée et des pilotes soigneusement définis. La moitié manquante de l’image est celle qui régit le déploiement en milieu ouvert: le timing en stock, la replanification, l’évitement dynamique, les limites de perturbation, la bande passante de manipulation, la robustesse environnementale, la marge énergétique/thermique, et la sécurité. Tant que ces chiffres ne sont pas mesurés et partagés, traitez le G1 comme un formidable cheval de recherche—pas un coéquipier prêt à évoluer autour de personnes mobiles—sans la campagne de vérification décrite ci-dessus.

Sources & Références

www.unitree.com
Unitree G1 (product page) Confirms official platform configurations, sensing suite, developer focus, and high-level specifications referenced in the platform overview.
support.unitree.com
G1 SDK Development Guide (Unitree Support) Establishes DDS-based SDK, available topics/RPCs, and the developer-facing architecture used to integrate high-level control and dexterous hands.
support.unitree.com
Basic Services Interface (Unitree Support) Supports statements about low-level interfaces, including the LowState structure and millisecond tick counter.
support.unitree.com
DDS Services Interface (Unitree Support) Details the DDS transport used for real-time robot and dexterous-hand control referenced throughout.
arxiv.org
BeamDojo: Learning Agile Humanoid Locomotion on Sparse Footholds Verifies 50 Hz locomotion policy on G1‑EDU with 10 Hz mapping and 500 Hz PD tracking, plus real-world success rates and speeds on sparse foothold courses.
arxiv.org
HOMIE: Humanoid Loco‑Manipulation with Isomorphic Exoskeleton Cockpit Verifies high‑rate whole‑body teleoperation (263/293 Hz), coexistence with 50 Hz locomotion, FPV rate, and 10 Hz imitation‑policy success rates on pick tasks.
arxiv.org
ResMimic: From General Motion Tracking to Humanoid Whole‑body Loco‑Manipulation Demonstrates autonomous loco‑manipulation on G1 using residual learning with qualitative real‑world sequences and quantitative detail primarily in simulation.
arxiv.org
The Cybersecurity of a Humanoid Robot: An Early Study on the Cybersecurity of Humanoid Robots via the Unitree G1 Confirms the ROS 2 Foxy, PREEMPT_RT, supervised service graph, and persistent outbound connectivity observed on shipping G1 units.
arxiv.org
Cybersecurity AI: Humanoid Robots as Attack Vectors Corroborates the fielded OS/middleware posture and supervised communication services, informing the connectivity and security discussion.
top3dshop.com
Unitree G1 Humanoid Robot (Top3DShop product page) Illustrates marketing claims (e.g., loop rates, runtime, IP ratings) cited as unverified without disclosed methods.
terra-robotics.de
Unitree G1 Basic (Terra‑Robotics product page) Provides additional storefront claims (e.g., speed, stairs/slopes, recovery features) contrasted against method‑anchored results.

Ad space (disabled)