为什么现在的人形机器人都在用 ROS2？

公众号致力于点云处理，SLAM，三维视觉，具身智能，自动驾驶等领域相关内容的干货分享，欢迎各位加入，有兴趣的可联系dianyunpcl@163.com。文章未申请原创，未经过本人允许请勿转载，有意转载联系微信920177957。

摘要

过去一年，人形机器人行业发生了一个根本性转变：竞争重心从电机、减速器、硬件结构，迅速转移到软件架构、AI 系统、数据闭环和开发者生态。而 ROS2则正在逐渐成为当前机器人行业最主流的软件基础设施之一。尤其是在科研领域，开发者生态，人形机器人二次开发，AI Robot 系统集成方向。目前包括：AgiBot 的灵犀 X2，Unitree Robotics 的 G1。在开放生态层面，都明显基于 ROS2 构建了大量开发接口与系统架构。而国外大量新一代人形机器人公司，虽然未必直接公开使用 ROS2，但整体系统设计也正在逐渐走向：分布式、模块化、AI 友好型机器人软件架构。这其实与 ROS2 的核心设计理念高度一致。因为未来的人形机器人，本质上一定会是大型分布式 AI 系统，而只有类似 ROS2 这种分布式，模块化，支持实时通信，支持多节点协同的软件架构。才能真正支撑下一代人形机器人系统。

为什么人形机器人一定会走向 ROS2？

传统机器人（如工业机械臂）系统相对简单：轨迹控制、IO 控制、电机通信，通常运行在 PLC、单控制器或 RTOS 上，属于单体或紧耦合架构。

但人形机器人完全不同。它本质上是一个大型分布式实时 AI 系统：同时包含多路摄像头、激光雷达、IMU、足底传感器、双臂/双腿控制、状态估计、视觉感知、VLM/VLA、任务规划、语音交互。这些模块需要持续进行高速通信、低延迟同步、状态共享、实时协同。传统单进程或单控制器架构无法满足这种复杂度。

ROS2 核心价值就在于此：天然适合多节点、多模块、多计算单元协同。而 ROS2 相比 ROS1 的关键升级，在于底层采用 DDS（Data Distribution Service） 工业级实时通信中间件，具备以下特性：

• 去中心化：无需 ROS Master，节点自动发现
• QoS 支持：可配置可靠性、实时性、历史记录等策略
• 多机部署：天然支持分布式计算

对于人形机器人，这些特性至关重要—上半身可能运行 AI 推理、VLM、视觉感知，下半身运行强化学习控制器、MPC、电机控制，模块之间必须持续实时同步。任何通信延迟抖动、节点失联都可能直接导致步态不稳、控制失效甚至摔倒。DDS 恰恰解决了这些问题。

“小脑闭源，大脑开放”：ROS2 作为安全与生态的桥梁

当前人形机器人行业已形成统一的软件架构模式：小脑闭源，大脑开放。

• 小脑：电机控制、关节控制、实时运控、强化学习步态、MPC/WBC、底层状态估计。这些模块对实时性、安全性要求极高，一旦异常会导致机器人摔倒、硬件损坏。因此厂商普遍选择闭源，以二进制形式运行，确保稳定性与安全性。
• 大脑：感知、导航、任务规划、多模态交互、场景理解等上层智能能力。这些是生态竞争力的核心，厂商通常开放接口供开发者二次开发。

ROS2 在此架构中扮演关键角色：一方面，它承载小脑内部高频、实时的控制流（利用 DDS 的实时 QoS）；另一方面，它连接大脑中各类 AI 模块与外部开发者生态。厂商将小脑封装为 ROS2 控制节点，对外只暴露符合 ROS2 标准的接口（Topic/Service/Action），内部实现闭源；开发者开发的大脑节点直接订阅这些接口，安全解耦。正是 ROS2让“小脑闭源 + 大脑开放”在保证安全的前提下最大化激发创新。

ROS2 之上的抽象层：AIMRT 与灵渠 OS 如何强化生态

人形机器人正迈向真正的“机器人操作系统”时代——不再是单体实时程序，而是拥有多进程、分布式节点、异构计算、动态部署特征的现代 OS。AIMRT 与灵渠 OS 正是这一趋势的代表，两者均以 ROS2 为核心基础设施，并在不同维度上扩展其能力。

AIMRT：面向机器人 AI 的运行时框架

AIMRT 定位为运行在 ROS2 之上的 AI 运行时框架，重点解决 ROS2 原生能力不足的 AI 任务调度问题：

• 多模块调度：大脑侧同时运行视觉、语言、决策等多模型，需要高效任务队列与优先级管理
• 推理任务管理：支持异步推理、批处理、模型热更新
• 多模型协同：例如 VLA、场景图感知与运动规划之间的数据协同
• 分布式部署：将不同模块部署在机载计算机、边缘服务器甚至云端，统一管理生命周期
• 高性能通信：在 ROS2 DDS 基础上优化共享内存、GPU 直通，减少端到端延迟

AIMRT 并不替代 ROS2，而是利用 ROS2 的节点发现、服务通信、工具生态（rviz、rosbag 等）作为底层基础，在 AI 任务调度层提供更高层次的抽象。没有 ROS2 的分布式通信能力，AIMRT 无法实现跨节点、跨设备的模型协同。

灵渠 OS：面向人形机器人的统一软件平台

灵渠 OS 的目标更为宏大构建一个完整的面向人形机器人的软件体系，将感知、控制、推理、调度、通信统一起来。其核心特点包括：

• 分层融合：明确定义底层硬件抽象（融合不同电机、传感器）、中层实时控制（小脑）、上层智能引擎（大脑），通过统一 IPC 机制连接
• 安全与容错：针对小脑提供实时监控与失效保护（看门狗、状态回滚），对大脑异常行为进行隔离
• 开发者友好：统一 SDK、模拟器接口、数据记录与回放工具
• 与 ROS2 深度集成：灵渠 OS 将 ROS2 作为通信与生态基座，所有标准 ROS2 节点、工具均可无缝运行

灵渠 OS 的分层之间需要高性能、可配置的通信管道——这正是 ROS2 DDS 提供的。同时，灵渠 OS 通过 ROS2 接口兼容已有海量机器人算法包和驱动，避免生态重复建设。可以说，灵渠 OS 是“包装”在 ROS2 之上的操作系统发行版，而 ROS2 是其内核。

无论 AIMRT 还是灵渠 OS，最终都依赖 ROS2 完成系统级协同：

• 系统级通信：使用 ROS2 DDS 实现跨进程、跨设备、跨语言的数据分发
• 生态兼容：直接使用现有 ROS2 驱动、算法库、可视化工具
• 标准化接口：小脑封装为 ROS2 节点，大脑通过标准接口调用
• 数据闭环：rosbag 及扩展工具提供统一的采集、训练、回放管道

未来展望：人形机器人软件栈将形成类似 Linux 的生态

可以预见，未来几年人形机器人软件栈将呈现清晰的层次结构：

底层：厂商自研实时内核 + 闭源小脑（二进制形式，对外提供 ROS2 接口）

中间层：ROS2 作为通信与基础设施标准，AIMRT、灵渠 OS 等框架在其之上提供更高层抽象

上层：开源/半开源的感知、规划、交互模块，由学术界与产业界共同贡献，形成类似 Linux 发行版的生态

工具链：仿真（Isaac Sim、Gazebo）、数据平台、部署工具（Docker + ROS2）全面融合

ROS2 就是这个生态的“Linux 内核”，而 AIMRT、灵渠 OS 以及未来的各类发行版，则是内核之上的“发行版”与“桌面环境”。这种分层与开放，将让人形机器人像智能手机和云计算一样，爆发出真正的生态力量。

总结

人形机器人正经历从硬件驱动到软件定义的深刻变革。“小脑闭源，大脑开放”的架构模式，既保证了底层控制的安全与实时，又释放了上层智能应用的生态潜力。而 ROS2 作为分布式、模块化、AI 友好的核心通信框架，已成为这一模式的“操作系统内核”。AIMRT 与灵渠 OS 等新兴平台并非要取代 ROS2，而是在其基础上强化 AI 调度与统一平台能力，共同推动人形机器人从单体控制程序迈向真正意义上的“机器人操作系统”。随着这些基础设施的成熟，人形机器人将像今天的 Linux 或 Android 一样，形成庞大、开放、持续演进的开发者生态，成为下一代智能系统的关键基石。

📢 友情推广：如果你希望深入理解人形机器人的软件架构，智元开发者社区携手灵渠OS社区布道师、 ROS中国生态奠基人—张新宇教授正式推出 「从操控到智能：灵犀X2+灵渠OS机器人全栈开发实战营」。12场硬核直播，陪你跑通机器人二开的全流程！完整走通“小脑闭源 + 大脑开放”的真实机器人项目，点击“原文阅读”开始报名吧！

以上内容如有错误请留言评论，欢迎指正交流。如有侵权，请联系删除