术语表

核心架构术语

Single Source of Truth (SSOT)

指 robot_config YAML 文件是机器人硬件和软件配置的最终权威来源。它通过从单一文件派生 ROS 2 launch 参数、硬件接口参数和机器学习 contract，消除重复配置 README.md:57-60。

Contract

定义 ROS 2 topic 与机器学习 tensor 之间映射的抽象。它描述 observation space（模型输入）和 action space（模型输出），包括数据类型、形状和重采样频率。contract 确保遥操作采集的数据与推理时使用的数据结构一致 README.md:25、README.md:51-52。

Dual-Mode Control

系统在端到端神经网络控制（如 ACT、Diffusion Policy）和传统分层运动规划（MoveIt 2）之间切换的能力 README.md:25-27。两种模式都会通过 action_dispatch 包收敛到同一个硬件接口 README.md:55-58。

来源： README.md:23-28、README.md:51-60

ROS 2 与系统组件

action_dispatch

作为机器人“小脑”的包。它维护 action 队列，并以固定频率（例如 control_frequency: 100.0）将 action 分发到硬件 controller src/action_dispatch/README.en.md:10-11。它处理时间平滑和 action chunking src/action_dispatch/README.en.md:12-13。

tensormsg

协议转换枢纽。它在 ros_msg 类型和 tensor 对象之间执行双向转换 README.md:51-52。它使用 Contract 机制确保整个流水线中的类型安全和一致性 README.en.md:51-52。

robot_config

中心配置包。它包含 YAML 文件（如 so101_single_arm.yaml）和 launch builder，用于动态生成 ROS 2 graph，包括硬件接口、controller 和相机驱动 src/robot_config/README.md:1-11。

inference_service

提供多模型推理和部署服务的包 README.md:90。它支持 vision-language-action（VLA）模型，以及 ACT 或 Diffusion Policy 等端到端策略 README.md:53-54。

来源： src/action_dispatch/README.en.md:10-13、README.md:51-60、src/robot_config/README.md:1-11

机器学习与推理术语

Action Chunking

模型输出未来一段 action 序列（chunk），而不是单步 action 的技术。action_dispatch 包负责 Action Chunking 调度和高频插值 README.md:56。

Temporal Smoothing

将连续推理步骤中重叠的 action chunk 混合，以避免动作抖动的过程。该过程由 action_dispatch 包管理 README.md:56。

Monolithic vs. Distributed Inference

Monolithic：预处理、推理和后处理都在单个进程（lerobot_policy_node.py）中执行，以实现 zero-copy tensor 传递 src/inference_service/README.md:20-26。
Distributed：Edge Node（lerobot_policy_node.py）处理本地预处理和后处理，Cloud Node（pure_inference_node.py）执行 GPU/NPU 推理，并通过 /preprocessed/batch 和 /inference/action 等 ROS 2 topic 通信 src/inference_service/README.md:29-54。

来源： README.md:56、src/inference_service/README.md:20-54

系统实体映射

自然语言到代码实体空间

该图把高层系统概念映射到具体实现类和文件。

System Concept Mapping

        graph TD
    subgraph "Natural Language Space"
        A["'The Robot's Cerebellum'"]
        B["'Protocol Hub'"]
        C["'Configuration Master'"]
        D["'Model Runner'"]
    end

    subgraph "Code Entity Space"
        A1["action_dispatch/action_dispatcher_node.py"]
        B1["tensormsg/converter.py"]
        C1["robot_config/config/robots/*.yaml"]
        D1["inference_service/lerobot_policy_node.py"]
    end

    A --- A1
    B --- B1
    C --- C1
    D --- D1

    style A1 stroke-dasharray: 5 5
    style B1 stroke-dasharray: 5 5
    style C1 stroke-dasharray: 5 5
    style D1 stroke-dasharray: 5 5

来源： src/action_dispatch/README.en.md:10、README.en.md:51、src/robot_config/README.md:63、src/inference_service/README.md:20

数据流实体映射

下图展示分布式推理周期中数据如何流经具体代码实体。

Distributed Inference Flow

        graph LR
    subgraph "Edge Device (lerobot_policy_node)"
        JS["ROS2 Sensor Topics (e.g., /joint_states, /camera/image_raw)"]
        PRE["TensorPreprocessor (CPU)"]
        POST["TensorPostprocessor (CPU)"]
        DISP["ActionDispatcherNode"]
        EXEC["TopicExecutor"]
    end

    subgraph "Cloud / GPU Host (pure_inference_node)"
        INF["PureInferenceEngine (GPU/NPU)"]
    end

    JS --> PRE["inference_service/core/preprocessor.py"]
    PRE -->|"/preprocessed/batch (VariantsList)"| INF["inference_service/core/pure_inference_engine.py"]
    INF -->|"/inference/action (VariantsList)"| POST["inference_service/core/postprocessor.py"]
    POST --> DISP["action_dispatch/action_dispatcher_node.py"]
    DISP --> EXEC["action_dispatch/action_dispatcher_node.py"]
    EXEC -->|"Controller Commands (e.g., /arm_position_controller/commands)"| HARDWARE["ros2_control"]

来源： src/inference_service/README.md:29-54、src/inference_service/inference_service/core/preprocessor.py:73、src/inference_service/inference_service/core/pure_inference_engine.py:15、src/inference_service/inference_service/core/postprocessor.py:70、src/inference_service/inference_service/pure_inference_node.py:38、src/robot_config/README.md:205-206

平台与环境术语

术语	定义	代码指针
openEuler Embedded	面向边缘部署的目标 OS（24.03 LTS），运行在 Aarch64 开发板上。	README.md:37、third_party/patches/lerobot/v0.5.1/manifest.yaml:33
OpenHarmony	面向板端 runtime 的目标 OS（5.1），使用 HDC 调试。	README.md:38、third_party/patches/lerobot/v0.5.1/manifest.yaml:34
Ascend NPU	华为 AI 加速器（310B/310P），通过自定义 LeRobot patch 和 `PureInferenceEngine` 中的 `ascend_om` 设备类型支持。	README.md:115、src/inference_service/inference_service/core/pure_inference_engine.py:39、src/inference_service/README.md:160-175
RKNN	Rockchip RKNN NPU 后端，通过 `PureInferenceEngine` 中的 `rknn` 设备类型支持 RK3588/OpenHarmony 板。	src/inference_service/inference_service/core/pure_inference_engine.py:41、src/inference_service/README.md:177-188
Patch Stack	在 setup 期间应用到 `libs/lerobot` 子模块的一组受版本控制修改，由 `manifest.yaml` 定义。	third_party/patches/lerobot/v0.5.1/manifest.yaml:18-22
Colcon Mixin	`build.sh` 使用的构建配置（如 `release`、`debug`、`dev`），用于应用特定构建 flag。	README.en.md:192
ROS_DOMAIN_ID	用于在共享网络中隔离 ROS 2 流量的环境变量。所有参与通信的机器必须使用相同 ID。	README.md:157-164

来源： README.md:30-39、third_party/patches/lerobot/v0.5.1/manifest.yaml:28-45、README.en.md:192、README.md:157-164、src/inference_service/inference_service/core/pure_inference_engine.py:39-41、src/inference_service/README.md:160-188