Unitree R1 – bipedaler Forschungs-Humanoid: Technik, SDK, Simulation & RL

Der Unitree R1 ist ein bipedaler humanoider Roboter (121 cm, 25 kg), der seit seiner Vorstellung im Juli 2025 als bezahlbare Forschungsplattform positioniert ist – gedacht für Universitätslabore, Robotik-Institute und Teams in den Bereichen Reinforcement Learning, Whole-Body-Control, Locomotion, Imitation Learning und Mensch-Roboter-Interaktion. Dieser Artikel geht bewusst in die Tiefe: Kinematik, Recheneinheit, SDK-Schnittstellen, der Simulations- und RL-Stack sowie der Sim-to-Real-Workflow. Als offizieller signierter Unitree-Distributor für Public Safety & Defence liefert die UxS GmbH den R1 mit Beratung und Support aus Deutschland.

Hinweis für Entwickler:innen: Befehle, Repository-Namen und Signaturen sind illustrativ und versionsabhängig – maßgeblich sind die verlinkten Repositories und die offizielle Unitree-Entwicklerdokumentation.

Für wen ist der R1 gemacht?

Der R1 richtet sich primär an Forschung und Lehre. Sein Preis-Einstiegspunkt (Consumer-Basisversion ab ca. 8.400 € netto, programmierbare Edu-Versionen ab ca. 13.000 € netto) macht ihn zu einem der günstigsten Wege zu einem vollwertigen, laufenden Humanoiden. Typische Forschungsfelder: gelerntes Laufen (RL-Locomotion), Ganzkörperregelung, Balance- und Sturzstrategien, Teleoperation zur Datenerhebung, Imitation Learning sowie – mit optionalen geschickten Händen – erste Manipulationsaufgaben. Wichtig: Nur die Edu-Varianten sind programmierbar und bieten SDK-/ROS-2-Zugriff; die Basisversion ist nicht programmierbar.

Kinematik & Hardware im Detail

Bemerkenswert für die Modellierung: Die Arme haben 5 DoF (nicht 7 wie bei G1/H2). Der R1 eignet sich damit exzellent für Locomotion- und Ganzkörper-Forschung; für hochgradig geschickte Manipulation sind die 7-DoF-Arme des G1 oder die geschickten Hände (siehe Varianten) relevant.

Recheneinheit & On-Board-KI

Die Edu-Versionen rechnen auf NVIDIA Jetson Orin plus einer 8-Core-CPU: U1 mit Orin (40 TOPs), U2 mit Orin NX 16 GB (100 TOPs). Das reicht für On-Board-Inferenz gelernter Policies (Locomotion, Perception) ohne externen Rechner. Für Training und rechenintensive Perception koppelt man den R1 typischerweise über das Netzwerk an eine Workstation (Off-Board-Compute). Der offene Zugriff auf den R1-Control-Stack erlaubt eigene Bewegungsplanung, Verhaltensentwicklung und Sensor-Integration.

Varianten für die Forschung

• R1 Basic – 24 DoF, nicht programmierbar. Nur für Demonstration/Consumer, nicht für Forschung geeignet.
• R1 Edu U1 – 24 DoF, programmierbar, Jetson Orin (40 TOPs). Einstieg in die Entwicklung.
• R1 Edu U2 – 26 DoF (+2-DoF-Kopf), Jetson Orin NX (100 TOPs). Empfohlene Basis für anspruchsvolle Forschung.
• R1 Edu U3–U6 – Basis U2 plus geschickte Hände: Unitree DEX 3-1 (3 Finger, optional mit 33 Tastsensoren/Hand) oder BrainCo Revo 2 (5 Finger, optional taktil) – für Manipulations- und Greifforschung.

Brutto-Preise und alle Varianten: siehe Produktseite R1 und Preisübersicht.

Software-Stack & Schnittstellen

Der R1 (Edu) nutzt dasselbe Entwickler-Ökosystem wie die übrigen programmierbaren Unitree-Roboter. Grundlagen (Installation, Netzwerk, Steuerungsebenen) sind in unseren Entwickler-Grundlagen beschrieben; hier die forschungsrelevanten Details.

• unitree_sdk2 (C++) und unitree_sdk2_python – Kommunikation über DDS (CycloneDDS). Zwei Ebenen: High-Level (vordefinierte Bewegungen/Geschwindigkeitsbefehle) und Low-Level (direkte Gelenkansteuerung).
• Low-Level-Regelung pro Gelenk über Zielposition q, Zieldrehzahl dq, Vorsteuermoment tau sowie Verstärkungen Kp/Kd – die Schnittstelle, über die gelernte Policies mit typischerweise einigen hundert Hz bis ~1 kHz auf die Aktuatoren wirken.
• unitree_ros2 – ROS-2-Anbindung (Humble o. neuer) über denselben DDS-Transport; Zustands- und Kommando-Topics.

# Python-SDK installieren (Steuer-Workstation, Ubuntu)
git clone https://github.com/unitreerobotics/unitree_sdk2_python.git
cd unitree_sdk2_python
pip install -e .
# Verbindung ueber die Netzwerk-Schnittstelle initialisieren, dann
# zuerst gefahrlos den Roboterzustand (LowState) auslesen.

Simulation, Reinforcement Learning & Sim-to-Real

Für RL-Forschung ist entscheidend, dass der R1 in Unitrees offenen Trainings-Frameworks unterstützt wird. Der aktuelle Weg führt über MuJoCo bzw. Isaac Lab:

• unitree_rl_mjlab – RL auf Basis von mjlab (kombiniert die Isaac-Lab-API mit MuJoCo-Physik). Unterstützt laut Repo Go2, A2, As2, G1, R1, H1_2 und H2. Abhängigkeiten u. a. rsl_rl (RL-Algorithmen), whole_body_tracking (Ganzkörper-Bewegungstracking), mujoco_warp (GPU-Beschleunigung) und unitree_sdk2 für das reale Deployment.
• unitree_rl_lab – RL-Implementierung auf Basis von Isaac Lab.
• unitree_mujoco – MuJoCo-Simulationsumgebung der Unitree-Roboter.
• unitree_sim_isaaclab – Isaac-Lab-Umgebung für Datenerhebung, Playback, Datengenerierung und Modell-Validierung.

Der typische Forschungs-Workflow ist dreistufig:

1. Train – Policy in der Simulation (MuJoCo/Isaac) durch Belohnungsmaximierung optimieren, mit Domain-Randomisierung für Robustheit.
2. Play – die trainierte Policy in der Simulation abspielen und das Verhalten verifizieren.
3. Sim2Real – die Policy über unitree_sdk2/DDS auf den realen R1 deployen (Low-Level-Gelenkkommandos).

# RL-Stack (illustrativ) – Details siehe Repo-README
git clone https://github.com/unitreerobotics/unitree_rl_mjlab.git
# ... Umgebung/rsl_rl/mujoco_warp gemaess README installieren ...
python train.py --robot r1     # Training in MuJoCo
python play.py  --robot r1     # Policy verifizieren
# anschliessend Sim2Real-Deployment via unitree_sdk2 auf den realen R1

Für die Modellierung stehen URDF-/MJCF-Beschreibungen der Unitree-Roboter bereit (Repositories der Roboter-Descriptions), sodass sich der R1 in eigene Pipelines (Isaac Lab, MuJoCo, Pinocchio, Drake) einbinden lässt.

Teleoperation & Imitation Learning

Für datengetriebene Ansätze (Imitation/Behavior Cloning) lassen sich Demonstrationen per Teleoperation aufzeichnen. Unitrees Projekt Motion-Capture-Anbindung sowie xr_teleoperate (XR-/VR-Teleoperation) zeigen die Prinzipien; wir dokumentieren sie ausführlich am G1: XR-Teleoperation per PICO-VR und Ganzkörper-Teleoperation per Noitom PN Studio. Die Verfahren lassen sich auf den R1 übertragen und liefern Trainingsdaten für Manipulations- und Ganzkörper-Policies.

Typische Forschungsanwendungen

• RL-Locomotion & Gangsynthese: zweibeiniges Laufen, unebenes Gelände, Störungsrobustheit – trainiert in MuJoCo/Isaac, deployt per Sim2Real.
• Whole-Body-Control: koordinierte Ganzkörperbewegungen, Balance, Aufsteh-/Sturzstrategien.
• Imitation & Teleoperations-Datensätze: Aufzeichnung menschlicher Demonstrationen als Trainingsgrundlage.
• Mensch-Roboter-Interaktion (HRI): Audio (4 Mikrofone/Lautsprecher) und Stereo-Vision für Interaktionsstudien.
• Manipulation (mit geschickten Händen): Greifen, taktile Sensorik (Edu U3–U6).
• Lehre & Benchmarking: kostengünstige, reproduzierbare Plattform für Kurse und Vergleichsstudien.

Erste Schritte für Forschende

1. Workstation vorbereiten: Ubuntu, Python/C++-Toolchain; für RL zusätzlich CUDA-fähige GPU (Isaac Lab/MuJoCo-Warp).
2. Netzwerk: R1 per Ethernet anbinden, DDS auf die richtige Schnittstelle konfigurieren (siehe Netzwerkverbindung).
3. SDK installieren und mit einem reinen Lese-Beispiel (LowState) verifizieren.
4. In Simulation starten: zuerst in MuJoCo/Isaac trainieren und in Play verifizieren – erst dann aufs reale Gerät.
5. Sim2Real behutsam: erste reale Tests mit gesichertem/aufgehängtem Roboter.

Sicherheit

Einordnung & Beschaffung

Innerhalb der Unitree-Humanoiden ist der R1 der Einstieg: günstiger und kompakter als G1 (mehr Sensorik/DoF) oder H2 (Lebensgröße, hohe Traglast). Für die Wahl siehe unseren Humanoiden-Vergleich. Für Forschung ist mindestens eine Edu-Variante (U1/U2) erforderlich. Als signierter Distributor beraten wir zu Variante, Händen und Integration und übernehmen Garantie-/Ersatzteilverantwortung: Zum Produkt · Kontakt aufnehmen.

Entwicklerressourcen

• Unitree-Entwicklerdokumentation
• unitree_sdk2 · unitree_sdk2_python (C++/Python, DDS)
• unitree_ros2 (ROS 2)
• unitree_rl_mjlab (RL, MuJoCo/Isaac-Lab-API, R1-Support) · unitree_mujoco
• MocapApi / xr_teleoperate (Teleoperation, Datenerhebung)

Hinweis: Technische Daten und Repository-Angaben gemäß Hersteller- bzw. Projektdokumentation (Stand 2026), Änderungen vorbehalten. Repository-Support je Roboter kann sich mit neuen Releases ändern.