1. 项目简介
HumanPlus 是一个开源项目，旨在实现人形机器人的模仿学习和影子学习。该项目提供了人形影子变换器（Humanoid Shadowing Transformer, HST）和人形模仿变换器（Humanoid Imitation Transformer, HIT）的实现，以及全身姿态估计和相关硬件代码库的指南。

2. 主要功能
人形影子变换器（HST）：基于强化学习的模拟环境，用于训练机器人模仿人类动作。
人形模仿变换器（HIT）：基于真实世界中的模仿学习，用于训练机器人在现实环境中模仿人类行为。

3. 使用方法
3.1 安装
HST：首先需要安装 IsaacGym v4，并将其文件夹放置在 HST 文件夹内。
HIT：创建并激活名为 HIT 的 Conda 环境，然后安装一系列依赖库。
3.2 示例用法
训练 HST：使用 legged_gym/scripts/train.py 脚本进行训练。
运行训练好的 HST 策略：使用 legged_gym/scripts/play.py 脚本。
3.3 姿态估计
身体姿态估计：参考 WHAM 项目。
手部姿态估计：参考 HaMeR 项目。
3.4 硬件代码库
基于 unitree_ros2 的硬件代码库，用于实现机器人的低级控制。

4. 适用场景
HumanPlus 适用于需要机器人模仿人类动作的场景，如服务机器人、教育机器人、娱乐机器人等。

5. 适用人群
机器人工程师
人工智能研究者
机器学习开发者
对机器人模仿学习感兴趣的学生和爱好者

6. 优缺点
优点
开源：代码公开，易于社区贡献和改进。
模块化：HST 和 HIT 的设计允许灵活地应用于不同的学习和模仿任务。
实用性：提供了从模拟到现实世界的完整流程，包括硬件控制。
缺点
技术门槛：需要一定的机器学习和机器人学背景才能有效使用。
依赖性：依赖于特定的硬件和软件环境，可能需要额外的配置工作。

7. 分类标签推荐
机器人学习、人工智能、机器模仿、姿态估计、硬件控制