部署指南 · 命令逐字照录
SONIC 安装与部署：先装 TensorRT，再构建
在 Unitree G1 上部署 SONIC 全身控制器是一次 C++ + TensorRT 构建，只有一条不可妥协的规则：先装精确版本的 TensorRT，再做别的。下面所有内容逐字摘自官方 Installation (Deployment) 与 C++ Deployment Program Flow 文档。
前置要求
- Ubuntu 20.04/22.04/24.04 或其他基于 Debian 的 Linux 发行版
- CUDA Toolkit（用于 GPU 加速）
- TensorRT（用于推理优化）——先装这个！
- JetPack 6（用于板载部署）
- Python 3.8+
- 支持 LFS 的 Git
从 NVIDIA Developer 下载 TensorRT。这是部署侧的安装；训练有自己的一条路径——见 Training Data 与 Training 文档中的 Isaac Lab 设置。
TensorRT 版本（逐字）
| 平台 | TensorRT 版本 |
|---|---|
| x86_64（桌面） | 10.13（必需） |
| Jetson / G1 板载 Orin | 10.7（必需；需要 JetPack 6——刷机指南） |
pv 监控进度：sudo apt-get install -y pv
pv TensorRT-*.tar.gz | tar -xz -f -把解压后的 TensorRT 移到 ~/TensorRT（或类似位置），并加入你的 ~/.bashrc：
export TensorRT_ROOT=$HOME/TensorRT安装前必读
这条警示照抄自官方文档。错误的 TensorRT 构建不会大声失败——它会静默劣化规划器输出，而在真机上这是安全问题，不是性能问题。
克隆仓库
git clone https://github.com/NVlabs/GR00T-WholeBodyControl.git
cd GR00T-WholeBodyControl
git lfs pull # make sure all large files are fetched仓库包含大型二进制资源（网格、ONNX 模型）；git lfs pull 拉取真实字节而不是指针文件。完整的 LFS 指南（包括 MotionBricks checkpoint 的注意事项）在安装指南页。
Native 开发（推荐）
优点：直接系统安装、构建更快、生产可用。前置要求：基本开发工具（cmake、git 等），以及如果你打算做基于 ROS2 的输入输出，还需要 ROS2（可选）。
1 · 安装系统依赖
cd gear_sonic_deploy
chmod +x scripts/install_deps.sh
./scripts/install_deps.sh2 · 设置环境
source scripts/setup_env.sh设置脚本会自动配置 TensorRT 环境并设置所有必要路径。为了方便，可以把它加进你的 shell 配置：
echo "source $(pwd)/scripts/setup_env.sh" >> ~/.bashrc3 · 构建项目
just build其他 just 命令：just clean（清理构建产物）与 just --list（列出所有可用命令）。
Docker（ROS2 开发环境）
统一 Docker 环境，带 ROS2 Humble，支持 x86_64 与 Jetson 平台。
前置要求：已安装 Docker 且用户已加入 docker 组；宿主机上设置 TensorRT_ROOT 环境变量；Jetson：JetPack 6.1+（CUDA 12.6）。
# 1. Add user to docker group (one-time setup)
sudo usermod -aG docker $USER
newgrp docker
# 2. Set TensorRT path (add to ~/.bashrc for persistence)
export TensorRT_ROOT=/path/to/TensorRT
# 3. Launch container
cd gear_sonic_deploy
./docker/run-ros2-dev.sh选项：
./docker/run-ros2-dev.sh # Standard build (fast)
./docker/run-ros2-dev.sh --rebuild # Force rebuild
./docker/run-ros2-dev.sh --with-opengl # Include OpenGL for visualization (RViz, Gazebo)架构支持：x86_64 —— CUDA 12.4.1（需要 NVIDIA 驱动 550+）；Jetson —— CUDA 12.6 宿主上的 CUDA 12.4.1 容器（向前兼容）。容器内：
source scripts/setup_env.sh # set up dependency
just build # Build
just --list # Show all commands排错：如果报 "permission denied"，确认你在 docker 组里；TensorRT 必须在启动容器前在宿主机上设置好；Jetson 先在宿主机运行 source scripts/setup_env.sh（设置 jetson_clocks）。
运行部署栈
C++ 部署二进制是 gear_sonic_deploy，通过 deploy.sh 启动。输入接口：keyboard | gamepad | gamepad_manager | zmq | zmq_manager | ros2 | manager；通过 --output-type zmq|ros2|all 发布输出。
cd gear_sonic_deploy
./deploy.sh --input-type zmq_manager real仿真（MuJoCo）时改用 sim 参数——部署二进制连接仿真循环而不是真实硬件：
./deploy.sh --input-type zmq_manager sim
# Wait until you see "Init done"默认部署使用默认 SONIC checkpoint。低延迟或 SONIC v1.1 checkpoint 时，把 deploy.sh 指向对应的模型前缀与观测配置（按模型卡对比页）：
./deploy.sh \
--cp policy/low_latency/model \
--obs-config policy/low_latency/observation_config.yaml \
--input-type zmq_manager \
real规划器 ONNX 文件
启用规划器模式时，运动学规划器与策略并行运行。它是一个 ONNX 模型，通过 --planner-file 传入（ROS2、gamepad_manager 与 zmq_manager 规划器模式的必需项）。官方示例路径：
--planner-file planner/target_vel/V2/planner_sonic.onnx在部署流程中，规划器生成目标动画（启用时），动作读取器为非规划器模式提供参考动作，策略推理在 TensorRT 上执行 encoder → decoder，结果通过 ZMQ 或 ROS2 发布。用 just run freq_test policy/example/model_step_000000.onnx 检查 ONNX 模型的输入输出信息——报告的频率不是 TensorRT 推理速度。VR 遥操作与 ZMQ 管理器模式见遥操作指南。