rtos_llm_opt/项目框架2-面向机器人大小脑异构系统的实时保障研究/20-实验与规划/01-实验设计.md

实验设计

1. 对照组

编号	系统配置	作用
A0	普通 Linux：控制与大脑负载同域	通用基线
A1	PREEMPT_RT Linux：控制与大脑负载同域	实时 Linux 基线
A2	RTOS 小脑 + Linux 大脑，基础分区	分域基线
A3	A2 + CPU/IRQ/内存/IPC 治理	完整方案
A4	A3 + 超时、降级和故障恢复	安全协同方案

对照固定机器人控制任务、AI 模型、输入到达序列、硬件频率和功率策略。若推理后端不同，结果表述为系统方案比较，不单独归因于内核。

2. 负载场景

场景	内容	目的
L0	仅小脑控制	实时性下界
L1	仅大脑推理	推理容量与功耗基线
L2	控制 + 感知/大模型	核心共存场景
L3	L2 + CPU/内存压力	共享资源干扰
L4	L2 + 摄像头/网络/存储 I/O	IRQ 与 DMA 干扰
L5	L2 + 突发请求和过载	队列与准入边界
L6	L2 长时间运行至热稳态	功耗和降频耦合
L7	进程、域、加速器和通信故障	隔离、降级与恢复

3. 控制任务

至少包含：

• 高频周期控制任务；
• 状态估计或轨迹跟踪任务；
• 关键 I/O 或 GPIO 回环；
• 安全监控与回退任务。

无真实机器人时，先使用硬件在环、倒立摆、电机台架或确定性控制负载；不得仅用空循环替代全部控制语义。

4. 大脑任务

按平台能力选择视觉、VLM、VLA 或 LLM。大脑输出必须转换为结构化技能命令。分别扫描：

• 请求率和突发强度；
• 模型规模、输入长度和输出长度；
• batch、队列长度与并发；
• GPU/NPU 利用率；
• 感知数据大小和通信频率。

5. 故障注入

依次实施：推理进程退出、请求永久阻塞、消息乱序或损坏、队列溢出、Linux 域重启、加速器错误。设备级故障只在具备可恢复路径时开展。

记录故障发生、检测、回退、隔离、重启和首个恢复结果的完整时间线。

6. 实施顺序

1. 冻结控制 deadline、大脑结果期限和回退期限。
2. 完成 A0/A1 的同域基线。
3. 建立 A2 基础分域和最小 IPC。
4. 扫描 CPU、内存、I/O 和热干扰。
5. 加入 A3 治理机制并逐项消融。
6. 加入 A4 故障状态机并开展故障注入。
7. 进行长稳实验和独立确认批次。

7. 最小闭环

一台具备 RTOS/Linux 分域条件的边缘平台、一个可测量的控制任务和一个真实 AI 大脑负载，即可形成最小验证闭环，不要求扩展到工作站或集群。