跳转到内容
Jacob的AI笔记

系统工程与评测

系统工程与评测

Section titled “系统工程与评测”

数据、仿真、训练、评测与部署的工程能力主干，独立于具体方法。

类型 Topics · 更新 2026-07-20

本 Topic 要解决什么

Section titled “本 Topic 要解决什么”

本Topic聚焦自动驾驶与具身智能系统的软件架构、中间件运行时、安全架构与系统级评测问题。需解决如何设计可扩展、自适应的机器人中间件（如ROS演进）、如何在资源受限边缘设备上高效部署深度学习推理、如何构建全栈自动驾驶系统架构并评估模块化与端到端方案的权衡、以及如何在物理世界中保障实时性、安全性与可维护性。目标是打通从感知-决策-控制到仿真-部署-评测的系统工程链路，支撑大规模车队与移动机器人落地，而非单点算法优化。

非目标 / 边界

Section titled “非目标 / 边界”
  • 不深入单一感知或规划算法细节
  • 不覆盖模型训练超参调优与大规模分布式训练系统
  • 不提供具体硬件选型或商业产品对比
  • 不编造未给出的量化评测指标

先修知识

Section titled “先修知识”
  • foundations — 需先掌握自动驾驶与具身智能基本管线、感知决策控制概念，才能理解系统级集成与中间件角色
  • deployment-inference — 边缘推理加速与部署是系统工程核心约束，需先了解推理优化基础
  • training-systems — 训练与部署衔接处涉及数据流与模型版本管理，便于理解全生命周期系统

核心术语

Section titled “核心术语”
术语 含义 常见混淆
机器人中间件 提供通信、调度、资源管理与抽象接口的软件层，使模块解耦并可复用，典型如ROS 常与操作系统或应用框架混淆，实际是位于OS之上的分布式运行时
ROS Robot Operating System，开源机器人中间件生态，提供节点通信、工具链与包管理 并非真正OS，且经典ROS与ROS2在实时性与DDS通信上有显著差异
安全架构 系统级设计中保障功能安全、故障隔离、冗余与监控的机制与分层结构 易与网络安全混淆，重点在功能安全与运行时保障
边缘推理加速 在资源受限设备上通过量化、剪枝、硬件映射等方式提升深度学习模型推理效率 不同于训练加速，关注延迟、功耗与精度权衡
端到端驾驶架构 从传感器输入直接映射到控制输出的统一模型或管线，相对模块化分层架构 并非完全无中间表示，仍可能有内部隐式模块与训练策略差异
系统运行时 支撑任务调度、通信、状态管理与资源监控的实时执行环境 与开发时工具链不同，强调在线行为与确定性

方法谱系与时间线

Section titled “方法谱系与时间线”

早期自动驾驶与机器人系统以模块化管道为主，依赖手工设计接口与传统中间件。随后端到端架构与学习方法兴起，强调数据驱动统一映射。近年转向自适应可扩展中间件（如Meta-ROS）与世界模型/多模态大模型集成，并强化边缘高效推理与安全评测闭环。系统工程从静态配置走向运行时自适应与全栈可验证。

三篇必读

Section titled “三篇必读”
  1. Meta-ROS: A Next-Generation Middleware Architecture for Adaptive and Scalable Robotic Systems（精读）— 直接覆盖下一代机器人中间件架构，适配自适应与可扩展需求，是本Topic foundational核心
  2. Autonomous driving system: A comprehensive survey（中文笔记）— 全栈自动驾驶系统架构综述，系统梳理软件与评测视角
  3. Efficient Acceleration of Deep Learning Inference on Resource-Constrained Edge Devices: A Review（精读）— 边缘推理加速是系统工程关键瓶颈，提供部署侧基础

推荐阅读路径

Section titled “推荐阅读路径”
  1. 先读自动驾驶系统全栈综述建立整体架构图景
  2. 精读Meta-ROS理解中间件演进与自适应设计
  3. 结合边缘推理加速综述掌握部署约束与优化手段
  4. 对照端到端驾驶架构调研理解模块化与统一范式差异
  5. 结合具身AI相关综述补充仿真与sim-to-real系统评测视角

方法比较表

Section titled “方法比较表”
Paper 输入 输出 表示 训练目标
Meta-ROS: A Next-Generation Middleware Architecture for Adaptive and Scalable Robotic Systems — — 中间件架构与运行时抽象 提升自适应与可扩展性
Autonomous driving system: A comprehensive survey 传感器与环境数据 驾驶决策与控制 全栈模块或端到端 系统级安全与性能
Efficient Acceleration of Deep Learning Inference on Resource-Constrained Edge Devices: A Review 深度模型与边缘硬件 加速后的推理结果 量化/剪枝/编译映射 降低延迟与资源占用
A Survey of End-to-End Driving: Architectures and Training Methods 原始传感器序列 控制指令 端到端网络 直接映射与训练效率

工程实现与复现风险

Section titled “工程实现与复现风险”
  • 实时性与确定性不足导致控制延迟
  • 中间件通信开销与扩展性瓶颈
  • 边缘资源约束下精度-延迟-功耗权衡失败
  • 安全架构缺失导致故障传播与不可验证
  • 模块接口不一致引发集成与维护成本
  • 评测场景覆盖不全导致sim-to-real落差

开放问题

Section titled “开放问题”
  • 如何设计可证明安全的自适应中间件运行时
  • 端到端与模块化混合架构的最优分解点是什么
  • 大规模车队/机器人中系统级持续评测与监控如何标准化
  • 世界模型与中间件如何深度融合支持在线重规划
  • 边缘加速技术在动态负载下的自适应机制

Topic 自测清单

Section titled “Topic 自测清单”
  1. ROS与传统操作系统的主要区别是什么？其通信模型对实时性有何影响？
  2. 请简述模块化自动驾驶架构与端到端架构在系统工程上的核心权衡。
  3. 边缘设备上深度学习推理加速的常见技术有哪些？各自主要优化什么？
  4. 安全架构在自动驾驶系统中通常需要覆盖哪些层面？
  5. Meta-ROS类下一代中间件试图解决经典ROS的哪些局限？

选篇附录（registry）

Section titled “选篇附录（registry）”

本 Topic registry 入选 13 篇（foundational/recent/watch 见 papers.yml）。

Tier Paper Year Reason
recent Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI 2024 cross-topic assign from registry title match=1 keywords; 202
recent The Role of World Models in Shaping Autonomous Driving: A Comprehensive Survey 2025 cross-topic assign from registry title match=1 keywords; 202
watch Multimodal Fusion and Vision-Language Models: A Survey for Robot Vision 2025 cross-topic assign from registry title match=1 keywords; 202
watch 3D Scene Generation: A Survey 2025 cross-topic assign from registry title match=1 keywords; 202
watch Embodied AI with Foundation Models for Mobile Service Robots: A Systematic Review 2025 cross-topic assign from registry title match=1 keywords; 202
watch A Survey: Learning Embodied Intelligence from Physical Simulators and World Models 2025 cross-topic assign from registry title match=1 keywords; 202
watch Large VLM-based Vision-Language-Action Models for Robotic Manipulation: A Survey 2025 cross-topic assign from registry title match=1 keywords; 202
foundational Meta-ROS: A Next-Generation Middleware Architecture for Adaptive and Scalable Robotic Systems 2026 auto refresh 2026-07-19 sources=arxiv
recent A Communication-Centric 6G-LLM Architecture for Scalable Tactical Autonomous Defense Vehicle Networks 2026 auto refresh 2026-07-19 sources=arxiv
recent Autonomous driving system: A comprehensive survey 2023 Autonomous driving system comprehensive survey — full stack
foundational Efficient Acceleration of Deep Learning Inference on Resource-Constrained Edge Devices: A Review 2022 Edge inference acceleration is a core systems-engineering co
foundational A Survey of End-to-End Driving: Architectures and Training Methods 2020 Survey of end-to-end driving architectures and training meth
recent A Survey of Quantization Methods for Efficient Neural Network Inference 2022 cross-topic assign from registry title match=3 keywords; 202

反向链接

Section titled “反向链接”

子 Topic

Section titled “子 Topic”

论文池（FRW）

Section titled “论文池（FRW）”

来自 research/papers.yml 的正式选题配额：基础必读 3 · 近期重要 5 · 观察 5。 可学习条目需本地 PDF 或已有精读/中文笔记；无正文资产的选题标为 待获取 PDF，不作为学习路径必读链接。

基础必读（选题 3 · 可学习 1 · 待获取 PDF 2）

Section titled “基础必读（选题 3 · 可学习 1 · 待获取 PDF 2）”

近期重要（选题 5 · 可学习 3 · 待获取 PDF 2）

Section titled “近期重要（选题 5 · 可学习 3 · 待获取 PDF 2）”

观察清单（选题 5 · 可学习 5 · 待获取 PDF 0）

Section titled “观察清单（选题 5 · 可学习 5 · 待获取 PDF 0）”

直属内容

Section titled “直属内容”

聚合内容（子树）

Section titled “聚合内容（子树）”

成熟度 seed · 内容数 86 · 论文池 13