第一层：数据源层（感知层）—— 怎么“看”到人？

• 目标：把人体的真实动作变成电脑能识别的数字信号。

• 核心概念：

  • 诺亦腾（Noitom）的 PNLink 盒子通过 Wi-Fi 把 23 个关节的数据发出来。

  • 数据格式有两种拿法：UDP 原始广播（简单）或 TCP 通过 MocapApi SDK（专业）。

  • 拿到的数据是：23 个关节的 3D 位置 + 四元数旋转（比如“大腿转了 30 度”）。

第二层：重定向层（认知层）—— 怎么让“人”适配“机器人”？

• 目标：把“人的骨架”映射到“宇树 G1 的钢铁骨架”上。这是最核心的算法层。

• 核心概念：

  • 人的身高 1.8米，G1 机器人可能只有 1.3米，数据进来要先缩放。

  • 人只有 23 个关键点，G1 有 29 个自由度（关节）。需要 IK（反向运动学） 来解算，比如根据“手的位置”反推“肘关节和肩关节的角度”。

  • 调参配置文件，定义了每个关节的“位置权重”和“旋转权重”（比如脚底要死死贴地，权重就高；手臂灵活，权重就低）。

第三层：传输层（通信层）—— 怎么把数据“快递”给机器人？

• 目标：把算好的 29 个关节角度，从电脑端毫秒级发送给 G1 机器人。

• 核心概念：

  • 用 gRPC（谷歌的高性能远程调用框架）。

  • 定义了一个叫 MocapFrame 的数据结构（包含 29 个关节位置、速度、根节点姿态等）。

  • 电脑是客户端，G1 机器人上的程序是服务端。建立双向流（Stream），一边发数据，一边接收机器人的状态反馈（比如缓冲区满了没）。

• 你现在要关注：gRPC 为什么比普通 UDP 更稳（有反馈机制）。

第四层：控制执行层（运动层）—— 机器人怎么“动”起来？

• 目标：G1 接收到角度指令后，如何让电机平滑、稳定地转动。

• 核心概念：

  • G1 收到数据后，并不是直接发给电机，而是先喂给一个 ONNX 神经网络（策略网络）。它会把生硬的动作“修饰”得更加平滑、符合物理规律。

  • 然后通过 Unitree SDK，把最终指令（LowCmd）以 50Hz（50次/秒）的频率通过网线/网络下发。

  • 机器人的物理模型（关节限位、电机扭矩）定义在 .xml 和 .yaml 文件里。

第五层：系统服务层（运维层）—— 怎么让程序稳定运行？

• 目标：让你不用在黑框框里敲复杂命令，用鼠标点一点就能控制整个流程。

• 核心概念：

  • 这一层包装了 WebSocket 服务，提供 start/stop/status 接口。

  • 它的作用是进程管理：当你点击 GUI 的“Start”，它会把 xsens_core.exe 拉起来；点击“Stop”，就把它杀掉，防止僵尸进程。