1. 环境配置：从拆箱到联网

第一次拿到Unitree Go1的时候，我盯着这个四足机器人看了半天——它比我想象中要小巧精致，但主控Nano的接口布局确实让人有点懵。作为过来人，建议你先准备好这三样东西：一个支持5GHz的USB无线网卡（我用的是某品牌双频款）、一根HDMI线、还有台日常用的笔记本电脑。别小看这些配件，它们能帮你少走80%的弯路。

连接显示器的过程有个坑要注意：Nano的HDMI接口是mini HDMI规格，普通显示器线根本插不进去。我第一次调试时就卡在这，后来花了20块钱买了转接头才解决。接上显示器后，你会看到Ubuntu 18.04的桌面，默认用户名是unitree，密码也是unitree——这个信息在官方文档里藏得挺深，新手很容易在这里卡壳。

联网环节最让人头疼。我试过三种方案：直接插网线、USB无线网卡、还有手机热点。实测下来，双频无线网卡最稳定，2.4GHz频段虽然穿墙好但延迟高，5GHz频段更适合实时控制。用iwconfig命令查看无线网卡状态时，如果看不到wlan0接口，八成是驱动没装好。这时候别慌，先lsusb确认系统识别到了设备，再到GitHub找对应芯片的驱动。

2. 主控Nano环境调优

2.1 换源与系统更新

原装系统用的国外源速度慢得像蜗牛，我实测换清华源后apt-get update从15分钟降到20秒。不过要注意两点：第一，bionic是Ubuntu 18.04的代号，别傻乎乎复制20.04的源；第二，arm64架构的包和其他平台不一样，必须用ubuntu-ports仓库。有次我手快复制了x86的源地址，结果报了一堆404错误。

网关配置这个步骤特别容易遗漏。因为Go1的Nano默认路由表不完整，即使连上WiFi也上不了网。执行route add default gw 192.168.1.1后，记得用ping baidu.com测试。这里有个隐藏坑：关机后网关配置会丢失，我后来写了自动配置脚本扔在/etc/rc.local里才解决。

2.2 开发工具全家桶

安装jtop的过程堪称血泪史。最开始直接pip install jetson-stats报错，查文档才发现要用python3 -m pip指定解释器。这个工具能实时显示CPU/GPU负载，有次我调试时发现GPU温度飙到85度，就是靠它发现的散热问题。

VNC配置更是个技术活。官方教程说要改dconf配置，但没提要在图形界面下操作。我卡在这半天，后来发现必须先用export DISPLAY=:0指定显示设备。还有个玄学问题：有时候vino-server会莫名崩溃，我的解决方案是写了个监控脚本：

while true; do if ! pgrep vino-server > /dev/null; then /usr/lib/vino/vino-server & fi sleep 10 done

3. 深度学习环境部署

3.1 PaddlePaddle的坑位指南

在Jetson平台上装PaddlePaddle绝对是个挑战。官方提供的2.1.1版本预编译包经常出现ABI不兼容，我试过三种方案：

1. 直接用pip install paddlepaddle-gpu——失败
2. 从源码编译——花了6小时最后报错
3. 使用NVIDIA论坛里大佬修改的版本——成功

最后选择的方案是下载社区修改的whl文件，用python3 -m pip install paddlepaddle_gpu-2.1.1.post101-cp36-cp36m-linux_aarch64.whl安装。这里有个细节：必须装配套的cudnn和tensorrt，版本差一点都不行。

3.2 相机SDK的隐藏功能

UnitreeCameraSdk的文档写得实在太简略，我通过反编译才发现几个实用功能：

• setResolution()可以动态调整分辨率，1080p下延迟约80ms，720p能降到50ms
• setFPS()最高支持60帧，但实际超过30帧就会丢包
• 相机固件可以升级，在sdk/tools里有flash工具

传输图像数据时，我建议用共享内存而不是socket。实测下来，共享内存方式传输1080p图像只需5ms，而TCP方式要30ms以上。示例代码里没提这个，是我看内核日志发现的优化点。

4. 实战中的调试技巧

4.1 网络诊断三板斧

当机器人突然失控时，我总结的排查顺序：

1. jtop看系统负载——排除算力瓶颈
2. ping 192.168.1.1——检查基础网络
3. rostopic hz /camera/image_raw——确认ROS通信质量

有次遇到图像卡顿，最后发现是WiFi信道干扰。用iw dev wlan0 scan看到周围有十几个AP，换到149信道后延迟立刻降了60%。

4.2 性能优化实招

禁用桌面环境能省下300MB内存：

sudo systemctl set-default multi-user.target

但要注意这会导致VNC不能用，需要权衡。

还有个神操作：把swap分区移到U盘上。Nano的eMMC读写速度慢，换成USB3.0的U盘后，编译速度提升3倍。具体步骤：

1. sudo dd if=/dev/zero of=/media/unitree/swapfile bs=1M count=2048
2. sudo mkswap /media/unitree/swapfile
3. 在/etc/fstab里添加挂载项

5. 进阶开发环境搭建

5.1 交叉编译环境配置

在x86电脑上搭建交叉编译工具链能极大提升效率。我用的配置：

FROM arm64v8/ubuntu:18.04 RUN apt-get update && apt-get install -y gcc-aarch64-linux-gnu COPY ./toolchain /opt/toolchain ENV PATH="/opt/toolchain/bin:${PATH}"

编译时记得加-march=armv8-a参数，不然生成的代码效率低。

5.2 容器化部署方案

用Docker封装算法环境可以避免污染系统。但直接docker run会报错，需要额外参数：

docker run --runtime nvidia --privileged -v /dev:/dev

特别注意摄像头设备要映射/dev/video0，否则SDK会报错。我打包好的镜像包含了PaddlePaddle 2.1.1和OpenCV 4.2，大小控制在1.2GB以内。

6. 避坑指南

1. 千万别直接apt upgrade：有次升级内核后WiFi驱动挂了，最后重刷系统才解决
2. 备份镜像很重要：用dd命令把整个系统备份到U盘，出问题10分钟恢复
3. 慎用第三方驱动：装过某个显卡驱动导致开机黑屏，后来发现官方论坛早有警告

有个特别隐蔽的坑：Nano的USB3.0接口和WiFi共用总线，同时接摄像头和无线网卡会导致吞吐量暴跌。我的解决方案是把网卡插在USB2.0口，虽然理论速度慢，但实际更稳定。