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/00-项目总览/01-研究问题、定位与边界.md

研究问题、定位与边界

1. 工业背景

机器人同时包含两类时间尺度显著不同的任务：

• 感知、语言理解、任务规划和大模型推理计算量大、运行时间动态，通常属于软实时或固实时；
• 姿态稳定、关节控制、力控、现场总线和安全联锁按固定周期运行，通常属于硬实时或严格固实时。

把两类任务简单部署在同一 Linux 系统中，会产生调度、中断、内存带宽、DMA、功耗和故障传播问题；把完整 AI 软件栈迁入 RTOS，又会面临驱动、运行时、模型生态和不可控加速器执行路径问题。

2. 研究对象

本项目研究的是机器人大小脑异构系统，而不是单独研究 RTOS 或大模型：

子系统	工程角色	主要软件
大脑域	环境理解、模型推理、任务规划、技能选择	Linux、ROS 2、LLM/VLM/VLA、GPU/NPU 运行时
技能与安全接口	命令结构化、白名单技能、期限和约束检查	跨域协议、安全监控器、行为管理器
小脑域	状态估计、轨迹跟踪、关节控制、联锁和降级	RTOS、控制算法、关键设备驱动
隔离层	CPU、内存、设备、中断和故障域分区	Hypervisor、AMP、IOMMU 或静态硬件分区

3. 核心研究问题

在机器人大小脑异构平台中，如何建立跨域时间契约和资源隔离机制，使动态、不可完全预测的大脑负载不会破坏小脑控制的实时边界，并使大脑输出能够被安全、按期地使用？

分解为五个问题：

1. 大脑负载通过哪些 CPU、缓存、内存、I/O、中断、DMA 和热路径干扰小脑控制？
2. 静态分核与 Hypervisor 分域能够隔离哪些干扰，仍有哪些共享硬件干扰无法消除？
3. 大小脑之间应采用什么时间契约、消息语义和队列策略？
4. 大脑输出迟到、过期、错误或低置信度时，小脑如何在规定时间内回退？
5. 大脑域、加速器或通信通道故障时，机器人能否持续受控并完成隔离和恢复？

4. 研究边界

纳入范围

• 机器人本体或近端边缘计算平台；
• RTOS 小脑与 Linux 大脑并行运行；
• 控制任务 deadline、AI 结果期限和新鲜度；
• 跨域通信、共享资源干扰、故障隔离和安全降级；
• 大模型、视觉或规划作为大脑压力负载。

不作为主线

• 大模型训练；
• T1 多节点集群吞吐优化；
• 证明大模型本身具备硬实时性；
• 用平均推理时延替代机器人控制实时性；
• 让自然语言输出直接控制电机力矩。

5. 基本原则

1. 小脑不依赖大脑即可维持基本稳定和安全状态。
2. 大脑输出的是目标、技能或受约束轨迹，不直接绕过控制器驱动执行器。
3. 小脑不得同步阻塞等待大脑推理完成。
4. 所有大脑输出必须携带时间戳、序号、有效期、状态和必要的安全约束。
5. Hypervisor 只是一种隔离手段，隔离效果必须通过压力和故障实验验证。

6. 预期贡献

• 一套面向大小脑系统的多时间尺度任务模型；
• 一套有期限、有新鲜度、有回退语义的跨域通信契约；
• 一套 RTOS/Linux/Hypervisor 资源和故障隔离机制；
• 一套覆盖正常、过载、热稳态和故障状态的实验方法；
• 大脑智能能力、控制实时性和资源代价之间的适用边界。