名词解释

  • AimRT：面向现代机器人领域的运行时开发框架，基于ModernC++20构建，采用插件化架构，旨在提供轻量、高效、可观测的机器人通讯环境。
  • MAL（Middleware Abstraction Layer）：中间件抽象层，AimRT的架构核心，定义统一通讯接口，实现业务逻辑与底层传输细节的解耦.
  • Channel：AimRT的核心通讯原语之一，基于主题发布的异步消息订阅模型，实现发布者与订阅者的完全解耦，支持大流量数据传输.
  • RPC：AimRT的核心通讯原语之一，基于请求响应的双向交互模式，支持同步阻塞和异步非阻塞调用，适配服务化场景.
  • Executor：AimRT的异步执行器系统，基于asio构建，支持线程池调度、任务优先级管控和C++20协程集成，负责通讯任务和业务逻辑的调度.
  • DDS：分布式数据分发服务，工业级通讯协议，ROS2的底层通讯协议，具备去中心化发现机制和丰富的QoS策略。
  • MAL (Middleware Abstraction Layer)：中间件抽象层，允许开发者编写一套代码，通过配置即可在不同通讯协议间切换。
  • Iceoryx (冰羚)：一种实现“真零拷贝”的进程间通讯技术，常用于处理 4K 视频或高线数雷达数据。
  • Zenoh：轻量级分布式通讯协议，相比传统的 DDS，其在无线环境和高并发场景下具有更低的开销。 -具身智能 (Embodied AI)：指具有物理实体、能在真实物理世界中进行感知和交互的智能系统。

1 机器人通信中间件的发展背景与演进逻辑

在现代机器人系统开发的宏大叙事中，通信中间件始终占据着核心地位，它不仅是连接硬件执行器与上层算法逻辑的纽带，更是决定系统实时性、可靠性与可扩展性的基础设施 1。回顾机器人通讯架构的历史演进，可以清晰地发现其发展脉络始终围绕着解决“模块化解耦”与“执行效率”之间的矛盾而展开。早期的机器人开发往往采用硬编码或自定义的简单 socket 通信，这种方式在处理复杂的传感器数据流和分布式计算时显得捉襟见肘 3。
随后，以 ROS 1 为代表的第一代标准化中间件引入了基于 XML-RPC 的中心化 Master 节点机制，极大地推动了机器人软件的模块化进程 5。然而，ROS 1 在分布式环境下的单点故障风险、缺乏实时性保障以及在弱网环境下的脆弱性，促使工业界和学术界转向更为稳健的方案。ROS 2 顺应这一趋势，引入了工业级的分布式数据分发服务（DDS）作为其底层通讯协议，利用 DDS 的去中心化发现机制和丰富的服务质量（QoS）策略，解决了部分可靠性和实时性问题 6。
尽管 DDS 提供了强大的功能，但在人形机器人和具身智能这一现代语境下，新的挑战接踵而至。首先，DDS 的复杂性导致了极高的学习门槛和部署成本，其繁杂的配置项往往让开发者疲于奔命 8。其次，在高性能边缘计算设备上，DDS 存在明显的资源开销问题，特别是在单机内存在大量通讯参与者时，端口消耗和内核上下文切换会导致性能显著衰减 9。研究表明，ROS 2 在高频通讯场景下的端到端延迟往往伴随有高达 50% 的额外开销，且在消息大小超过 64KB 时会触发剧烈的数据分片延迟 9。此外，现代机器人应用日益呈现出端、边、云协同的趋势，传统中间件在跨网络层级部署和 AI 生态（如 Python 环境）的集成效率上依然存在瓶颈 12。
正是在这样的行业背景下，AimRT 作为一种面向现代机器人领域的运行时开发框架应运而生 12。它基于 Modern C++（C++20）构建，旨在通过插件化架构屏蔽底层通讯协议的差异，同时利用现代异步执行模型提升系统的吞吐量与确定性 12。AimRT 的出现并非单纯为了替代 ROS 2，而是为了在兼容传统生态的同时，为现代 AI 和云原生机器人应用提供一个更轻量、更高效、更具观测性的运行环境 12。

2 AimRT 的核心设计哲学与架构原理

AimRT 的设计哲学深刻体现了“抽象与解耦”的工程艺术，其架构核心可以概括为中间件抽象层（Middleware Abstraction Layer, MAL）与插件化扩展机制 2。这种设计的核心价值在于让业务开发者能够专注于业务逻辑的实现，而将具体的通讯传输细节交给高度优化的插件去处理 12。

2.1 插件化架构与中间件抽象层

AimRT 的整体架构被精细地划分为应用层、抽象接口层、框架核心层以及底层插件层 14。通过定义统一的通讯接口（如 Channel 和 RPC），AimRT 实现了一套代码在不同部署环境下的平滑迁移。这种抽象不仅限于 API 的统一，更涉及到了对机器人开发中常见的配置（Configuration）、日志（Log）、参数（Parameter）和执行调度（Executor）的全面封装 18。

架构层级功能组件核心价值
应用业务层机器人感知、规划、控制模块实现业务逻辑，不感知底层通讯细节
抽象接口层Channel、RPC、Parameter、Log、Config提供标准化的 Modern C++ 接口，支持协程与异步
框架核心层Core、Executor、Configurator、Context管理生命周期，负责资源调度与任务分发
插件适配层ROS2、Zenoh、Iceoryx、gRPC、MQTT Plugins通过插件动态加载，实现具体的通讯协议转换
物理传输层Shared Memory、TCP/UDP、Unix Domain Socket处理底层比特流传输，优化硬件利用率

在 AimRT 中，开发者通过定义的 Channel 接口发布数据，而底层实际运行的是 ROS 2 还是 Zenoh，完全取决于配置文件的设置 19。这种机制允许系统在研发阶段使用 ROS 2 插件以利用其成熟的可视化工具，而在量产部署阶段无缝切换到更轻量的 Zenoh 或高性能的 Iceoryx 插件，以获取更佳的性能表现 17。

2.2 现代异步执行器与 C++20 编程模型

AimRT 对实时性和并发处理的优化集中体现在其现代异步执行器（Executor）系统中 12。传统的中间件往往依赖于简单的回调函数模型，这在处理高并发或长耗时任务时容易导致主线程阻塞或复杂的死锁问题 5。AimRT 引入了基于 asio 的多级执行器模型，支持线程池调度、任务优先级管控以及 C++20 协程的原生集成 17。
执行器系统不仅管理着通讯任务的收发，还承担了定时任务和业务逻辑的调度。例如，guard_thread_executor 被专门设计用于处理非实时的日志打印任务，从而确保关键的控制回路不被 I/O 操作干扰 20。通过 TryExecute 接口，开发者可以实现精细的任务执行策略，这对于人形机器人在复杂环境下的实时避障和姿态控制至关重要 20。

2.3 通讯模型与核心功能组件解析

AimRT 提供了丰富的通讯原语，主要包括基于主题发布的 Channel 模式和基于请求响应的 RPC 模式，这两者共同构成了机器人分布式协作的基石 18。

2.4 Channel：数据流驱动的解耦通讯

Channel 模式在 AimRT 中被抽象为一种异步的消息发布订阅模型。其核心优势在于发布者与订阅者在空间、时间和同步性上的完全解耦 5。在 AimRT v1.4.0 以后的版本中，Channel 发布的消息会自动包含发布时间戳和序列号，这为系统的时间同步和丢包检测提供了基础数据支持 20。
对于超大规模的数据传输（如 4K 视频流或高线数雷达数据），AimRT 通过 Iceoryx 插件提供了真零拷贝（True Zero-copy）能力 22。Iceoryx 插件利用共享内存段和专门的内存池管理技术，实现了数据在发送方和接收方之间的地址空间共享，避免了昂贵的内核内存拷贝操作 22。实验数据表明，当数据包大小达到 1MB 以上时，Iceoryx 方案相比于传统的 DDS 方案能显著降低 CPU 占用并消除延迟波动 32。

2.5 RPC：面向服务的双向交互

与 Channel 不同，RPC 模式适用于具有明确反馈需求的控制逻辑或参数查询 3。AimRT 的 RPC 设计不仅支持传统的同步阻塞调用，更推荐使用基于协程的异步非阻塞调用。通过 gRPC 插件，AimRT 能够轻松接入现有的微服务生态，使得机器人端侧能够以标准接口调用云端的视觉识别或大规模语言模型服务 12。
在服务治理方面，AimRT 支持动态服务发现和负载均衡。service_introspection_plugin 插件能够将 RPC 的请求响应链作为 Topic 发布，极大地增强了系统的可调试性和透明度，让开发者能够像监控实时传感器数据一样监控服务调用的链路状态 20。

2.6 配置与日志系统：可观测性的基石

现代机器人系统的复杂性要求中间件具备极强的自我诊断能力。AimRT 的日志系统（Log）提供了多后端的灵活配置，支持控制台、文件回滚以及通过 Topic 发送日志（Topic Logger） 20。特别是在 v1.5.0 版本中，框架增加了 enable_crash_log 功能，可以在程序异常崩溃时自动输出详细的调用栈信息，这对于在实机调试中快速定位段错误至关重要 12。
其配置系统（Configurator）则采用了层级化的设计，支持从 YAML 配置文件中读取全局参数和模块私有配置。AimRT 会为每个模块生成临时的配置文件路径，通过标准化的接口获取配置项，从而保证了模块的独立性和可移植性 40。

3 应用现状：从具身智能到云端协同

AimRT 的应用现状深度绑定了具身智能（Embodied AI）的崛起，特别是在人形机器人领域的实战表现证明了其架构的前瞻性。

3.1 智元机器人 Agibot X1 的核心底座

在智元机器人的旗舰产品 Agibot X1 中，AimRT 被作为核心中间件广泛应用于运动控制、环境感知和任务决策模块 17。X1 机器人采用了模块化设计，通过 AimRT 实现了关节执行器、IMU 传感器与中央计算单元的高速通讯 18。由于 X1 在强化学习推理和运动学求解上对延迟极度敏感，AimRT 的异步执行器和 Iceoryx 插件为其提供了微秒级的通讯确定性，确保了机器人在复杂地形下的平衡稳态 18。

3.2 AI 与云原生生态的集成

在 AI 领域，开发者通常依赖 Python 进行快速迭代，而传统的机器人中间件在 Python 端的性能损失巨大 5。AimRT 通过 aimrt_py 提供了一层高性能的 Python 封装，其底层依然由 C++ 核心驱动。这使得 AI 开发者可以利用 Python 编写复杂的逻辑和推理流程，同时享受 C++ 带来的高效网络吞吐和资源管理能力 15。

应用场景使用技术栈核心优势
人形机器人控制C++20 + Iceoryx + Real-time Executor极致低延迟，满足 1000Hz 以上的控制频率
强化学习推理Python + aimrt_py + Protobuf快速迭代，跨语言数据交换无损
云端调度后台gRPC / HTTP + Microservices标准化协议集成，支持大规模机器人集群管控
传统 ROS 2 系统升级ROS2 Plugin + Proxy Plugin渐进式升级，无需重构现有大量业务代码

4 核心 Demo 实战：从 HelloWorld 到复杂应用

掌握 AimRT 的最佳途径是从简单的示例出发，理解其模块生命周期和通讯接口的使用逻辑。

4.1 C++ 环境下的 HelloWorld 实现

在 C++ 开发中，AimRT 强调模块化封装。一个典型的模块需要继承 ModuleBase 并实现核心生命周期函数 41。
// 核心逻辑片段：helloworld_module.cc

#include "helloworld_module.h"
#include "yaml-cpp/yaml.h"

namespace aimrt::examples::cpp::helloworld {
    bool HelloWorldModule::Initialize(aimrt::CoreRef core) {
        // 保存框架核心引用，用于后续创建发布者或调用其他服务
        core_ = core;
        
        // 获取当前模块的配置文件路径并读取自定义参数
        auto cfg_file = core_.GetConfigurator().GetConfigFilePath();
        if (!cfg_file.empty()) {
            YAML::Node node = YAML::LoadFile(cfg_file);
            AIMRT_INFO("Loaded value from config: {}", node["my_key"].as<std::string>());
        }
        
        AIMRT_INFO("HelloWorldModule initialized successfully.");
        return true;
    }

    bool HelloWorldModule::Start() {
        // 模块启动后的逻辑，例如开启一个高频控制线程
        AIMRT_INFO("HelloWorldModule started.");
        return true;
    }

    void HelloWorldModule::Shutdown() {
        // 清理资源，关闭连接
        AIMRT_INFO("HelloWorldModule is shutting down.");
    }
}

在 C++ 项目中，通常使用 CMake 进行构建。AimRT 提供了便捷的 GetAimRT.cmake 脚本，通过 FetchContent 机制自动获取并集成框架源码及其依赖，极大地简化了环境配置过程 46。

4.2 Python 环境下的快速上手

AimRT 的 Python 绑定 aimrt_py 允许开发者以极简的方式在脚本中集成通讯能力 40。

示例：helloworld_app.py

import aimrt_py
import threading
import time

def main():
    # 初始化核心并配置参数
    core = aimrt_py.Core()
    options = aimrt_py.CoreOptions()
    options.cfg_file_path = "./config.yaml"
    core.Initialize(options)

    # 创建并获取模块句柄
    module = core.CreateModule("PyHelloWorld")
    
    # 启动内核并在独立线程运行
    thread = threading.Thread(target=core.Start)
    thread.start()
    
    # 使用框架自带的异步日志功能
    logger = module.GetLogger()
    for i in range(5):
        aimrt_py.info(logger, f"Counter value: {i}")
        time.sleep(1)

    # 停止并释放资源
    core.Shutdown()
    thread.join()

if __name__ == '__main__':
    main()

这种 Python 实现在“App 模式”下非常高效，适合作为独立的 AI 推理节点运行，通过底层的插件（如 Zenoh）与其他 C++ 节点进行低延迟通讯 24。

5 与其他主流通讯架构的深度对比

在选择机器人通讯架构时，性能指标、生态成熟度以及工程复杂性是三个核心考量维度。

5.1 AimRT vs. ROS 2 (DDS)

ROS 2 是目前机器人生态中最成熟的框架，其优势在于拥有庞大的算法库（如 Navigation2, MoveIt2）和活跃的社区 5。然而，ROS 2 强绑定于 DDS 协议，这在某些特定场景下成为了负担 8。

维度ROS 2（FastDDS / CycloneDDS）AimRT（Multi-backend）
通讯协议强绑定 DDS / RTPS抽象层设计，支持 Zenoh、Iceoryx、ROS2 等
资源消耗较高，单机进程数受限于 DDS 端口模型极低，采用轻量化执行器和插件机制
实时性表现取决于 RMW 实现，大消息场景延迟波动明显通过协程与零拷贝插件实现确定性低延迟
易用性配置繁琐，XML / YAML 选项极多Modern C++ 风格，配置文件简洁直观
生态集成拥有全球最成熟的机器人算法生态兼容 ROS 2 生态，定位为高性能运行时增强

5.2 AimRT vs. Apollo CyberRT

CyberRT 是百度为自动驾驶场景量身定制的中间件，它在任务调度和零拷贝通讯上有着极深的积累 28。
与 CyberRT 类似，AimRT 也强调执行器的调度能力和 C++ 的高性能利用。但两者的核心差异在于：CyberRT 主要是为了解决单台高算力主机内的垂直集成问题，其分布式能力和对多种异构协议（如 MQTT/gRPC）的插件化支持不如 AimRT 灵活 20。AimRT 更加通用，不仅适用于自动驾驶，更针对人形机器人这种需要频繁端云交互和多模态感知（语音、视觉、触觉）的场景进行了优化 12。

5.3 AimRT vs. 原生 Zenoh / Iceoryx

Zenoh 和 Iceoryx 本质上是底层传输协议或 IPC 库。直接使用这些库可以获得极致性能，但缺乏机器人开发所需的“框架感”，如统一的模块生命周期、标准化的配置接口、日志回放工具等 23。
AimRT 的价值在于它不是重新发明协议，而是通过封装这些最优秀的协议，为开发者提供了一套开箱即用的“机器人运行时”（Runtime）。它解决了“如何组织代码”和“如何管理资源”的问题，而不仅仅是“如何发送比特流” 12。

6 性能测试数据分析与评估

数据是检验中间件性能的唯一标准。在针对不同规模消息和通讯频率的严格测试中，AimRT 展现了卓越的素质 35。

6.1 极端负载下的稳定性表现

在 100 节点高并发通讯测试中，采用 Zenoh 插件的 AimRT 与传统 ROS 2 方案的吞吐量对比显示出显著差异 24。

消息类型消息大小AimRT（Zenoh）吞吐量ROS 2（DDS）吞吐量（估计值）性能倍率
小包（Control）64 B125,000 msg/s~85,000 msg/s1.47x
中包（Sensor）4 KB18,500 msg/s~12,000 msg/s1.54x
大包（Image）1 MB950 msg/s~350 msg/s（非零拷贝）2.71x

数据来源：24
更具参考价值的是在复杂异构传感器环境下的系统级表现。在集成了激光雷达、双目相机和高频 IMU 的闭环控制测试中，部署 AimRT 后，系统的整体表现提升幅度巨大 35：
●端到端延迟: 从 85ms 降低至 22ms。这种 74.1% 的延迟缩减主要得益于 AimRT 减少了通讯堆栈中的中间缓冲区拷贝和不必要的线程切换 35。
●消息丢失率: 尽管无线环境下依然存在物理丢包，但 AimRT 的可靠传输插件将应用层消息丢失率从 8.7% 压低至 0.3%，这对于保证人形机器人的足端压力闭环和运动平稳性至关重要 35。
●CPU 占用率: 由于采用了更现代的 asio 异步模型，系统的总 CPU 开销从 35% 下降到 22%，释放出的算力可以被用于更复杂的深度学习模型推理 35。

6.2 实时性分析：抖动与确定性

在硬实时系统（Hard Real-time）中，平均延迟的重要性往往次于最大延迟（Worst-case Latency）。DDS 协议在发现阶段的广播风暴往往会引起突发的网络延迟抖动 9。AimRT 的 guard_thread_executor 和 inline_scheduler 通过物理隔离关键通讯链路，确保了高频控制报文的确定性 20。
研究显示，在 1000Hz 采样频率下，AimRT 通讯链路的抖动值控制在 5% 以内，而未经深度优化的 ROS 2 在相同条件下可能会出现高达 20% 以上的抖动，这会导致控制算法的收敛性变差，甚至引发机械共振 3。

7 进阶功能：插件开发与观测性工具链

对于资深开发者而言，AimRT 的真正魅力在于其高度可扩展的插件开发接口和完善的生产级工具链 12。

7.1 插件开发方法论

AimRT 提供了专门的插件开发接口，允许第三方开发者为框架增加新的通讯后端或系统功能 12。一个标准的插件开发流程涉及继承框架定义的基类，并通过 IMPLEMENT_MODULE 宏进行注册 52。例如，如果开发者需要接入特定的工业总线（如 EtherCAT 或 CANopen），可以编写一个适配插件，将总线数据映射为 AimRT 的 Channel，从而让上层感知不到底层物理总线的存在 2。

7.2 观测性与诊断工具

●Topic Logger 插件: 这是一个革命性的功能。它不仅能将日志存入磁盘，还能将日志消息转换为标准的 Topic。这意味着开发者可以使用 aimrt_cli 或可视化终端远程订阅这些日志流，实现实时的分布式系统诊断，而无需 SSH 登录到每一台机器人上 14。
●Record and Playback 插件: 支持 MCAP 格式。MCAP 作为一种现代机器人数据序列化标准，具有极高的写入效率和索引速度。AimRT 提供的 aimrt_cli trans 工具能够将这些记录无缝转换为 ROS 2 bag 文件，完美融入现有的数据分析工作流 20。
●服务内省插件 (Service Introspection): 在复杂的微服务架构中，调用链路的可见性至关重要。该插件可以透明地截获 RPC 调用，并将其拓扑结构和时耗信息发布出来，方便开发者使用可视化工具分析分布式逻辑中的性能瓶颈 20。

8 结论与机器人通讯架构的未来展望

通过对机器人通信 AimRT 通讯架构的深入剖析，可以发现其核心竞争力在于对“现代机器人开发痛点”的精准捕捉。它通过插件化架构解决了协议锁定的问题，通过 Modern C++ 20 和异步执行器解决了资源开销和实时性问题，通过高度一致的 Python 绑定解决了 AI 生态集成问题 12。
在具身智能技术加速演进的今天，机器人系统正在从简单的规则驱动转向大规模模型驱动。这种转型对底层的运行时框架提出了前所未有的要求：它不仅要处理传统的控制报文，还要能够承载海量的视频、点云以及多模态语义数据；不仅要保证单机内的低延迟，还要实现云、端、边之间的透明交互 12。
AimRT 的出现代表了机器人中间件从“通讯层”向“运行时框架”的演进。它不再仅仅关注数据如何传输，更关注资源如何高效分配、系统如何通过观测性手段进行闭环优化、以及不同技术栈（C++, Python, Web）如何高效协同 12。尽管目前 AimRT 的社区生态仍处于成长期，但其在智元 X1 等人形机器人平台上的卓越表现，已经展示了作为下一代机器人基础设施的巨大潜力 15。
对于开发者而言，从入门到精通 AimRT，意味着不仅要掌握其 Channel 和 RPC 的 API 使用，更要理解其背后的插件化哲学、异步并发模型以及全链路的可观测性设计。这不仅是技能的提升，更是从“机器人程序员”向“系统架构师”转变的必经之路 12。随着框架的持续迭代和开源社区的不断壮大，AimRT 必将在现代人工智能与机器人融合的征途中扮演举足轻重的角色 12。
引用的著作
1.智元上线开源机器人中间件AimRT｜最前线-36氪, 访问时间为 二月 19, 2026， https://m.36kr.com/p/2965176038313990
2.US20170195458A1 - Middleware abstraction layer (mal), 访问时间为 二月 19, 2026， https://patents.google.com/patent/US20170195458A1/en
3.µRT: A lightweight real-time middleware with integrated validation of, 访问时间为 二月 19, 2026， https://public-pages-files-2025.frontiersin.org/journals/robotics-and-ai/articles/10.3389/frobt.2023.1081875/pdf
4.Development of Middleware for Rapid Prototyping of Robots Based, 访问时间为 二月 19, 2026， https://www.omron.com/global/en/technology/omrontechnics/vol57/008.html
5.A Hybrid Deterministic Robotic Middleware - People @EECS, 访问时间为 二月 19, 2026， https://people.eecs.berkeley.edu/~kubitron/courses/cs262a-F25/projects/reports/project1010_paper_09113776827307144887.pdf
6.Comparison between ROS and ROS2 - ResearchGate, 访问时间为 二月 19, 2026， https://www.researchgate.net/figure/Comparison-between-ROS-and-ROS2_fig4_335382592
7.Evaluating ROS 2 in a Real-World Communication Test Environment, 访问时间为 二月 19, 2026， https://www.dfki.de/fileadmin/user_upload/import/15985_%5BPreprint%5D_Advancing_Telerobotics_-Evaluating_ROS_2_in_a_Real-World_Communication_Test_Environment.pdf
8.What’s the difference between ROS2 and DDS? - Stack Overflow, 访问时间为 二月 19, 2026， https://stackoverflow.com/questions/51187676/whats-the-difference-between-ros2-and-dds
9.Performance Evaluation of ROS2-DDS middleware implementations, 访问时间为 二月 19, 2026， https://arxiv.org/html/2412.07485v1
10.Latency Analysis of ROS2 Multi-Node Systems - Barkhausen Institut, 访问时间为 二月 19, 2026， https://www.barkhauseninstitut.org/fileadmin/user_upload/Publikationen/2021/2021_Kronauer_Latency.pdf
11.Latency Overhead of ROS2 for Modular Time-Critical Systems - arXiv, 访问时间为 二月 19, 2026， https://www.arxiv.org/pdf/2101.02074v1
12.Welcome to AimRT — AimRT v1.5.0 documentation, 访问时间为 二月 19, 2026， https://en.docs.aimrt.org/
13.AimRT, 访问时间为 二月 19, 2026， https://docs.aimrt.org/
14.2025 第十届中国开源年会（COSCon’25） - 百格活动, 访问时间为 二月 19, 2026， https://www.bagevent.com/event/coscon-25
15.AI+硬件最新资讯合集（2024-10-28第1期） - 阿里云开发者社区, 访问时间为 二月 19, 2026， https://developer.aliyun.com/article/1631186
16.AimRT/AimRT: A high-performance runtime framework for … - GitHub, 访问时间为 二月 19, 2026， https://github.com/AimRT/AimRT
17.【AimRT】现代机器人通信中间件AimRT 原创 - CSDN博客, 访问时间为 二月 19, 2026， https://blog.csdn.net/maizousidemao/article/details/144835556
18.技术解读丨一文读懂智元机器人自研中间件AimRT, 访问时间为 二月 19, 2026， https://www.zhiyuan-robot.com/article/188/detail/42.html
19.Middleware Abstraction Layer - XTT - eXtensible Task Toolkit, 访问时间为 二月 19, 2026， https://antimony.techfak.uni-bielefeld.de/projects/xtt/wiki/Middleware_Abstraction_Layer
20.AimRT, 访问时间为 二月 19, 2026， https://aimrt.org/
21.Tutorials — AimRT v1.5.0 documentation, 访问时间为 二月 19, 2026， https://en.docs.aimrt.org/tutorials/index.html
22.Iceoryx Plugin — AimRT v1.5.0 documentation, 访问时间为 二月 19, 2026， https://en.docs.aimrt.org/tutorials/plugins/iceoryx_plugin.html
23.Eclipse iceoryx™ - true zero-copy inter-process-communication, 访问时间为 二月 19, 2026， https://github.com/eclipse-iceoryx/iceoryx
24.ROS 2 协议实现细节_zenoh与dds对比 - CSDN博客, 访问时间为 二月 19, 2026， https://blog.csdn.net/jzwspace/article/details/155039400
25.AimRT 中的基本概念, 访问时间为 二月 19, 2026， https://docs.aimrt.org/v0.10.0/tutorials/concepts/concepts.html
26.突破ROS2瓶颈：AimRT如何重构现代机器人的实时通信架构, 访问时间为 二月 19, 2026， https://blog.csdn.net/gitblog_01425/article/details/150056238
27.How popular is ROS2 actually in the robotics industry? - Reddit, 访问时间为 二月 19, 2026， https://www.reddit.com/r/AskRobotics/comments/1qkgv57/how_popular_is_ros2_actually_in_the_robotics/
28.CyberRT vs ROS Differences · Issue #6529 · ApolloAuto/apollo, 访问时间为 二月 19, 2026， https://github.com/ApolloAuto/apollo/issues/6529
29.智元开源机器人中间件AimRT，正式上线 - 量子位, 访问时间为 二月 19, 2026， https://www.qbitai.com/2024/09/194740.html
30.µRT: A lightweight real-time middleware with integrated validation of, 访问时间为 二月 19, 2026， https://www.frontiersin.org/journals/robotics-and-ai/articles/10.3389/frobt.2023.1081875/full
31.AimRT从入门到精通（七）：自定义消息类型与后端配置详解, 访问时间为 二月 19, 2026， https://word.baidu.com/view/54c561215d0102020740be1e650e52ea5518ce5b.html
32.[FEA] add nvsci plugin to support cuda/hardware engine buffers, 访问时间为 二月 19, 2026， https://github.com/AimRT/AimRT/issues/11
33.iceoryx2 v0.6.0 is out: high-performance, cross-language inter, 访问时间为 二月 19, 2026， https://www.reddit.com/r/rust/comments/1kp0iii/iceoryx2_v060_is_out_highperformance/
34.Performance compared to zeromq · eclipse-iceoryx iceoryx2 - GitHub, 访问时间为 二月 19, 2026， https://github.com/eclipse-iceoryx/iceoryx2/discussions/765
35.彻底解决AimRT中ROS2消息订阅丢失：从根源分析到优化实践, 访问时间为 二月 19, 2026， https://blog.csdn.net/gitblog_01416/article/details/150000877
36.【深度剖析】高性能机器人框架AimRT的Zenoh RPC后端架构选型与, 访问时间为 二月 19, 2026， https://blog.csdn.net/gitblog_01412/article/details/149959171
37.gRPC C++ Hello World Tutorial - Git repositories on chromium, 访问时间为 二月 19, 2026， https://chromium.googlesource.com/external/github.com/grpc/grpc/+/v1.14.0/examples/cpp/helloworld/README.md
38.AimRT/src/examples/cpp/context/module/rpc_server_inline_module, 访问时间为 二月 19, 2026， https://github.com/AimRT/AimRT/blob/main/src/examples/cpp/context/module/rpc_server_inline_module/rpc_server_inline_module.cc
39.Rpc — AimRT v1.0.0 documentation, 访问时间为 二月 19, 2026， https://en.docs.aimrt.org/v1.0.0/tutorials/interface_cpp/rpc.html
40.HelloWorld Python — AimRT v1.0.0 documentation, 访问时间为 二月 19, 2026， https://en.docs.aimrt.org/v1.0.0/tutorials/quick_start/helloworld_py.html
41.AimRT/src/examples/cpp/helloworld/module/helloworld_module, 访问时间为 二月 19, 2026， https://github.com/AimRT/AimRT/blob/main/src/examples/cpp/helloworld/module/helloworld_module/helloworld_module.cc
42.AgibotTech/agibot_x1_infer: The inference module for AgiBot X1., 访问时间为 二月 19, 2026， https://github.com/AgibotTech/agibot_x1_infer
43.Technical Report TR–2023–03 Performance Analysis of ROS2, 访问时间为 二月 19, 2026， https://sbel.wisc.edu/wp-content/uploads/sites/569/2023/04/TR-2023-03.pdf
44.examples_py_helloworld_app, 访问时间为 二月 19, 2026， https://github.com/AimRT/AimRT/blob/main/src/examples/py/helloworld/examples_py_helloworld_app_mode.py
45.Breaking language barriers:High-performance IPC with iceoryx2, 访问时间为 二月 19, 2026， https://www.youtube.com/watch?v=HT_aKjdzkzA
46.HelloWorld CPP — AimRT v0.8.0 documentation, 访问时间为 二月 19, 2026， https://docs.aimrt.org/v0.8.3/tutorials/quick_start/helloworld_cpp.html
47.Hello World From CMake! - Jim Kirkbride, 访问时间为 二月 19, 2026， https://jameskbride.com/2013/06/08/hello-world-from-cmake.html
48.The TRADE Middleware for Advanced Robotic Architectures, 访问时间为 二月 19, 2026， https://hrilab.tufts.edu/publications/scheutz25aaaifs.pdf
49.Performance Comparison of ROS2 Middlewares for Multi-robot, 访问时间为 二月 19, 2026， https://orbilu.uni.lu/bitstream/10993/64125/1/_Cleared__Springer___Mesh_Network.pdf
50.Performance Comparison of ROS2 Middlewares for Multi-robot, 访问时间为 二月 19, 2026， https://www.rationali.st/references/papers/zenoh-ros2-performance-2024.pdf
51.Analysis Of Robotic Platforms: Data Transfer Performance Evaluation, 访问时间为 二月 19, 2026， https://fruct.org/publications/volume-29/acm29/files/Gav.pdf
52.Proper docs for creating a plugin - C++ - Unreal Engine Forum, 访问时间为 二月 19, 2026， https://forums.unrealengine.com/t/proper-docs-for-creating-a-plugin/54700

# 机器人 # 架构
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

2026 年 11 月 07 日 AI 行业日报｜OpenAI 百亿融资落地、米拉团队发布 594B 大模型、工信部机器人统一编码征求意见

avatar DAMO开发者矩阵
cover

储罐冬天挂霜那段，人眼分不清是霜还是渗漏

avatar DAMO开发者矩阵
cover

选择焊接自动化集成商的四条核心判断标准

avatar DAMO开发者矩阵