这是 Google DeepMind 在 GitHub 开源的Barkour Robot全套研发项目，面向机器人敏捷运动、具身智能研究，完整开放硬件、电路、装配、固件、仿真全部资料，开源协议为 Apache 2.0。

一、项目基础背景

1. 研发主体与定位

由 Google DeepMind 研发并完全开源的小型四足机器人科研平台，面向具身智能、强化学习、足式机器人敏捷运动学术研究，项目托管于 GitHub，全部软硬件资源遵循 Apache 2.0 开源协议，允许学术、非商用场景自由复刻、二次开发。

项目核心目标：搭建一套标准化、低成本、可复现的小型犬级敏捷四足机器人，同时配套「Barkour 障碍赛道评测基准」，统一量化足式机器人越障、跳跃、高速转向等动态运动能力，解决过往机器人硬件闭源、性能无统一评判标准的行业痛点。

2. 硬件版本区分

项目提供两种整机构型：

• 标准版：固定机械头部，专注基础运动控制、障碍穿越算法验证；

• 进阶版：搭载可动执行器头部 + 机械夹持爪，支持环境抓取、多模态交互研究。

二、硬件全栈资源（核心模块，含 PCB 设计说明）

硬件资料全部存放于仓库 hardware/ 目录，覆盖机械、电子、线缆、装配四大板块。

1. 电子电路（PCB 设计，截图对应文件）

路径：hardware/electronics/，基于 Altium Designer 完整开源原始工程，无加密，支持直接修改、工厂打板。

1. 多套功能 PCB 工程源文件 .PrjPcb

   Rus、Grace、Gebru、Cortes、Hopper、Fei-Fei、Jackson、Ada 等独立工程，分别对应机器人不同硬件模块：躯干主控板、关节伺服驱动板、电源管理板、感知信号采集板、通信转接板；

2. 元件封装库 .PcbLib

   MiscPCB.PcbLib 统一元件封装库，配套所有电路板工程使用；

3. 标准化生产图纸 Draftsman.PDF

   每套 PCB 工程内置导出的官方加工图纸，包含板层结构、尺寸标注、丝印、装配公差，可直接交付 PCB 工厂生产；

4. 通信方案

   全部驱动板通过 EtherCAT 实时工业总线与机载计算单元通信，实现多关节微秒级同步控制，保障高速跳跃、动态平衡等敏捷动作；

5. 配套资料：线缆装配图纸、BOM 物料清单、元器件采购规格。

2. 机械 CAD 结构

1. 完整整机三维模型，包含躯干外壳、腿部连杆、关节支架、3D 打印外壳、传动结构；

2. 提供两种机型全套 CAD 源文件，支持 3D 打印、CNC 机械加工；

3. 独立分步机械零件图纸，可单独加工替换零部件。

3. 整机装配体系

仓库提供从零件到整机的六阶分步装配指南，配套高清示意图、装配图纸：

1. 机载计算仓组装；2. 躯干主体装配；3. 单腿关节模组装配；4. 躯干与四条腿部总装；5. 腿部外壳与连杆装配；6. 整机整合（可选抓取头部）；

   配套电路板焊接对位示意图，指导 PCBA 元器件贴装、线缆对接。

三、软件与嵌入式固件系统

1. 底层驱动固件

• 开发框架：基于开源嵌入式框架 Pigweed；

• 运行载体：各关节、主控 PCB 板上的 MCU；

• 功能：关节力矩闭环、位置闭环、电流保护、EtherCAT 总线通信、传感器数据采集；

• 存放路径：仓库 actuator/，提供完整编译脚本（Bazel 构建工具）。

2. 上位机控制软件

• 提供 EtherCAT 总线配置教程、电机控制示例程序；

• 支持 PC / 机载上位机下发运动指令、读取机器人状态；

• 语言主体为 C/C++，配套参数调优工具。

3. 配套文档 docs/

包含新手入门指南、EtherCAT 总线配置手册、硬件规格参数、运动控制调优教程、故障排查文档。

四、仿真训练环境（虚实迁移核心能力）

项目配套两套仿真平台，解决实体机器人训练损耗大、调试周期长的问题：

1. MuJoCo 基础仿真模型

   1:1 复刻机器人机械结构，用于离线基础运动策略调试；

2. MIX 批量加速仿真框架

   支持 GPU/TPU 并行批量仿真，数分钟内完成上万次强化学习训练；训练完成的 AI 运动策略可直接无损部署到实体 Barkour 机器人，实现虚实迁移；

   仓库附带完整 MIX 仿真使用教程，适配强化学习算法快速迭代。

五、核心技术优势

1. 全链路开源无壁垒

   市面多数机器人项目仅开放仿真代码或简易图纸，本项目机械 CAD、Altium PCB 源文件、固件源码、仿真环境、装配手册全部完整公开，任何人可从零自制实体样机；

2. 低延迟分布式 EtherCAT 驱动

   独立关节驱动板架构，总线同步延迟极低，支撑高速奔跑、连续跳跃、斜坡越障等类犬级敏捷动态动作；

3. 标准化敏捷评测基准

   配套专属 Barkour 障碍赛道，统一指标量化机器人运动智能，方便不同控制算法、强化学习模型横向对比；

4. 高效虚实结合训练链路

   MIX 批量仿真大幅降低真机训练损耗与调试时间，是具身智能算法研究的标准化硬件载体；

5. 模块化硬件设计

   PCB、机械零件高度模块化，可单独更换腿部驱动、主控、感知模块，便于二次改造、定制化研发。

六、适用研究与开发场景

1. 学术科研：四足机器人运动控制、深度强化学习、虚实迁移算法、具身通用智能；

2. 工程教学：机器人机械设计、PCB 硬件开发、嵌入式实时系统、工业 EtherCAT 总线教学；

3. 二次开发：小型足式机器人定制、轻量化移动机器人平台、AI 移动抓取机器人研发；

4. 算法验证：动态平衡、足式机器人导航、多模态感知 - 运动联合决策。

七、版权与开源说明

1. 软件代码：Apache License 2.0，可自由修改、分发、商用二次开发（需保留版权声明）；

2. 硬件图纸、PCB 工程、机械模型：同步开放，无硬件加密限制；

3. 项目声明：仅面向学术研究的研发原型，非 Google 量产商用产品。

八、项目地址

https://github.com/google-deepmind/barkour_robot