作者： Víctor Mayoral-Vilches 和 Giulio Corradi，賽靈思公司

連載六：自適應計算平臺實現 ROS 之路？

表 1 和表 2 總結的是將 ROS 和 ROS 2 分別實現在圖 1 所示一些自適應計算平臺的既往研究。圖 4 所示的是歷年來最具相關性的成果。

圖 1： 賽靈思自適應計算解決方案

表 1： 在自適應計算平臺上實現 ROS 的既往研究

表 2： 有關在自適應計算平臺上運行 ROS 的既往研究

圖 2：ROS 與 ROS 2 演進變革

圖 2 反映出科研界對促進自適應計算發展的興趣越來越濃厚。從 ROS 的角度來看，可以將過去的研究分為三類：第一類研究提出幫助機器人專家充分利用硬件加速功能，將 ROS 計算圖的一部分卸載到可編程邏輯 （FPGA） 并進行加速的工具和方法。第二類研究提出加速 ROS 底層的概念，特別是用網絡堆棧優化節點間的網絡內交互。根據“Real-time Linux communications： an evaluation of the linux communication stack for real- time robotic applications”的描述，網絡堆棧是 ROS 通信的瓶頸，“Acceleration of publish/subscribe messaging in ROS-compliant FPGA component”等研究對實時分布式系統有參考價值。第三類研究提出用自適應計算優化 ROS 計算圖。

除了在用戶空間層面加速特定應用和 ROS 庫，值得一提的還有在流程間、流程內乃至網絡內的層面上加速 ROS 節點間的交互。由于機器人行為建立在 ROS 節點交互的結果之上，因此用于這個用途的加速器通過從總體上減少 ROS 和 ROS 2 計算圖數據流，顯著影響總時延。

也就是說，在考慮 ROS 和 ROS 2 時，必須應用全面的硬件加速視圖。這種視圖能體現：a） 對流程中、流程內、網絡內（含底層） ROS 計算圖交互的優化；以及 b） 對 ROS 上運行的應用的加速。

要點總結： 在考慮 ROS 和 ROS 2 時，必須應用全面的硬件加速視圖。這種視圖能體現：a） 對流程中、流程內、網絡內（含底層）的 ROS 計算圖交互的優化；以及 b） 對 ROS 上運行的應用的加速。

根據圖 2 列出的既往研究，還可以得出另一個結論。過去的大多數方法主要都是從硬件工程師的視角解決自適應計算與 ROS 的集成問題，其提出的大多數工具和方法都有一個先決條件，即最終用戶必須具備嵌入式流和硬件流的既有經驗。這往往意味著需要熟悉 RTL、HDL 和 HLS 等概念，或能熟練使用 Vivado? 設計套件或 Vitis? 統一軟件平臺等工具。

類似地，部署到嵌入式目標也需要用戶在一定程度上熟悉 Yocto，OpenEmbedded 以及相關工具。大多數從事 ROS 研發的機器人專家不具備這樣的能力。要集成自適應計算，需要采用一種以 ROS 為中心的方法。硬件和嵌入式流程必須直接集成到 ROS 生態系統中，提供的體驗與機器人專家在其桌面工作站上構建 ROS 工作空間時的體驗相似。在充分利用所有既往研究結果和經驗的基礎上，下一章節將提出一種以 ROS 為中心的架構，用于集成自適應計算。