当前位置: 首页 > article >正文

[具身智能-78]:ROS2 DDS的发布者、订阅者、服务服务器、服务客户端、动作服务器、动作客户端,它们是节点的能力,分别运行在各自的节点中。

在 ROS 2 的架构中节点 (Node)是基本的执行单元和拥有者。这里提到的所有通信角色发布者、订阅者、服务服务器/客户端、动作服务器/客户端本质上都是节点内部的功能模块或对象。它们不是独立的进程也不是独立运行的线程虽然它们可能由不同的线程执行回调它们依附于节点而存在。1. 核心关系节点是“容器”其他是“组件”你可以这样形象地理解节点 (Node) 一个运行中的程序实例或者更准确地说是程序中的一个逻辑单元。发布者/订阅者/服务/动作 这个程序实例内部创建的功能接口。生命周期绑定当节点被创建create_node并启动时这些能力才被初始化。当节点被关闭destroy_node或进程结束时这些能力自动销毁它们占用的资源内存、网络连接、DDS实体被释放。你无法在节点之外单独拥有一个“漂浮”的发布者。2. 代码层面的体现在 C (rclcpp) 或 Python (rclpy) 代码中这种包含关系非常清晰C 示例:cppclass MyNode : public rclcpp::Node { public: MyNode() : Node(my_node) { // 1. 发布者是节点的一个成员变量 pub_ this-create_publisherstd_msgs::msg::String(topic_name, 10); // 2. 订阅者是节点的一个成员变量并绑定到节点的执行器 sub_ this-create_subscriptionstd_msgs::msg::String( topic_name, 10, std::bind(MyNode::callback, this, std::placeholders::_1)); // 3. 服务服务器是节点的一个成员变量 srv_ this-create_serviceexample_interfaces::srv::AddTwoInts( service_name, std::bind(MyNode::handle_service, this, std::placeholders::_1, std::placeholders::_2)); // 4. 动作服务器也是节点的一部分 action_server_ rclcpp_action::create_serverexample_interfaces::action::Fibonacci( this, action_name, ...); } private: // 所有这些指针都生活在节点类的内部 rclcpp::Publisherstd_msgs::msg::String::SharedPtr pub_; rclcpp::Subscriptionstd_msgs::msg::String::SharedPtr sub_; rclcpp::Serviceexample_interfaces::srv::AddTwoInts::SharedPtr srv_; rclcpp_action::Serverexample_interfaces::action::Fibonacci::SharedPtr action_server_; void callback(const std_msgs::msg::String::SharedPtr msg) { /* ... */ } void handle_service(...) { /* ... */ } };Python 示例:pythonclass MyNode(rclpy.node.Node): def __init__(self): super().__init__(my_node) # 所有能力都作为 self 的属性存在 self.pub_ self.create_publisher(String, topic_name, 10) self.sub_ self.create_subscription(String, topic_name, self.callback, 10) self.srv_ self.create_service(AddTwoInts, service_name, self.handle_service) # ...3. 它们是如何“运行”的执行器 Executor 的作用虽然它们定义在节点内部但它们需要执行器 (Executor)来驱动其被动行为发布者 (Publisher)通常是主动的。它在发送数据。你在代码中调用pub_-publish(msg)时它立即工作。它不需要执行器轮询但需要节点提供的底层上下文。订阅者 (Subscriber)是被动的。它在等待数据。节点的执行器会不断轮询底层的DDS 接收队列。一旦发现有新数据到达该订阅者对应的通道执行器就会触发你注册的回调函数。服务/动作服务器同样是被动等待请求。执行器检测到请求后调用处理函数。服务/动作客户端发送请求后进入等待响应状态执行器负责监听响应并触发完成回调。结论如果没有节点调用spin()(启动执行器)订阅者、服务器和客户端将无法处理任何传入的数据或请求尽管它们在内存中已经存在。4. 为什么要这样设计这种设计带来了几个关键优势资源管理自动化节点销毁时自动清理所有相关的发布/订阅关系防止资源泄漏。命名空间继承节点通常有一个命名空间如/robot1/sensor。节点内创建的所有主题、服务、动作会自动加上这个前缀无需手动拼接字符串保证了全局命名的模块化。参数共享节点内的所有组件可以方便地访问该节点的参数Parameters实现统一配置。逻辑内聚将相关的功能如“激光雷达驱动”节点包含“发布扫描数据”和“提供重置服务”封装在一个逻辑单元中符合高内聚低耦合的软件工程原则。总结发布者、订阅者、服务、动作→→ 是节点的能力/属性。运行位置→→ 它们运行在节点的上下文中占用节点的内存依赖节点的执行器进行调度。独立性→→ 它们不能脱离节点独立存在。这正是 ROS 2 组件化设计的核心思想。

相关文章:

[具身智能-78]:ROS2 DDS的发布者、订阅者、服务服务器、服务客户端、动作服务器、动作客户端,它们是节点的能力,分别运行在各自的节点中。

在 ROS 2 的架构中,节点 (Node) 是基本的执行单元和拥有者。这里提到的所有通信角色(发布者、订阅者、服务服务器/客户端、动作服务器/客户端)本质上都是节点内部的功能模块或对象。它们不是独立的进程,也不是独立运行的线程&…...

Unsloth新手入门:从环境搭建到第一个微调项目

Unsloth新手入门:从环境搭建到第一个微调项目 1. Unsloth简介与核心优势 Unsloth是一个开源的LLM微调和强化学习框架,旨在让大语言模型的训练变得更加高效和易用。这个框架最吸引人的特点是它能显著提升训练速度并降低显存消耗。 根据官方数据&#x…...

避坑指南:北醒TFmini-S雷达连接上位机,数据曲线不显示?可能是这个鼠标操作惹的祸

北醒TFmini-S雷达上位机波形图消失的深度排查与交互优化指南 当你在深夜赶工,盯着北醒TFmini-S雷达的上位机界面,明明距离数值在跳动,波形图区域却像被施了隐身咒——这种抓狂时刻我经历过太多次。作为工业自动化领域的常用传感器&#xff0c…...

[具身智能-77]:ROS2 节点是什么?是线程吗?是进程吗?它与线程、进程的关系?

这是一个非常核心且容易混淆的概念。为了让你彻底理解,我们需要把逻辑概念(ROS 2 定义的)和物理实体(操作系统定义的)分开来看。1. 直接回答你的问题ROS 2 节点是线程吗?不是。 节点是一个逻辑上的功能模块…...

再生资源行业数字化平台建设实践:快鹭AI从痛点分析到微服务架构落地

引言:一个被严重低估的技术密集型场景 在多数技术人眼中,再生资源(俗称"废旧回收加工")行业似乎与高科技毫无关联。然而,当我们深入这个年规模超万亿的产业,却发现这里存在着极其复杂的数据流、业…...

Gradle 是一个开源的、高度灵活的自动化构建工具。它的主要作用是帮助开发者自动化地完成软件的编译、测试、打包、发布和部署等一系列流程。

Gradle 是一个开源的、高度灵活的自动化构建工具。它的主要作用是帮助开发者自动化地完成软件的编译、测试、打包、发布和部署等一系列流程。它最初被设计用于构建 Java 生态系统(如 Java、Kotlin、Groovy、Scala)的项目,但现在也支持 C/C、P…...

在持续学习场景下,OpenClaw 如何平衡新知识吸收与旧知识遗忘?是否采用经验回放或正则化方法?

在持续学习的漫长道路上,一个模型要面对的核心矛盾,其实和我们人类颇为相似:一边要如饥似渴地吸收新东西,另一边却要拼命抓住那些正在从指缝中溜走的旧记忆。OpenClaw 作为在这个领域探索的模型之一,它所采用的策略&am…...

有参转录组gene_counts.txt文件所有结果为0问题排查

head -5 ./ref/genomic.gtf#先检查 GTF 结构 grep -v "^#" ./ref/genomic.gtf | cut -f3 | sort | uniq | head -20#先检查 GTF 结构 grep -v "^#" ./ref/genomic.gtf | grep -m 3 "gene_id"#检查 BAM/GTF 染色体名是否一致 samtools idxstats .…...

小白必看!Glyph镜像快速部署指南,轻松实现长文本智能问答

小白必看!Glyph镜像快速部署指南,轻松实现长文本智能问答 1. 为什么你需要Glyph镜像? 1.1 长文本处理的痛点 想象一下,当你需要分析一本300页的小说、一份50页的商业报告,或者一个上万行的代码库时,传统…...

STM8 CAN硬件滤波器配置详解:标准帧与扩展帧位映射

1. STM8单片机CAN滤波器配置原理与工程实践1.1 CAN通信中的接收过滤需求在工业现场总线应用中,CAN网络常采用多节点广播式通信架构。与传统点对点通信不同,CAN协议中报文标识符(Identifier)不表示物理地址,而是承载报文…...

基于L1范数、NS及MRTS剪枝算法的VGG16模型压缩与NIST测试报告

基于L1范数、NS及MRTS剪枝算法的VGG16模型压缩与NIST测试报告 摘要 本报告旨在基于指定论文实现三种经典剪枝算法(L1范数剪枝、NS剪枝、MRTS剪枝),对VGG16卷积神经网络进行模型压缩,并在NIST手写数字数据集上进行测试。首先详细阐述三种剪枝算法的原理,然后给出完整的Py…...

02. 你必须真正理解的核心概念 大模型学习(基础篇)

1. Prompt 是什么 Prompt 就是你输入给模型的内容。 但在真实系统里,Prompt 往往不是一句话,而是一整组内容的组合,例如: system instruction历史消息当前用户问题检索出来的文档片段输出格式约束 一个糟糕的 Prompt Tell me abou…...

AI开发新范式——规范驱动开发(SDD):OpenSpec如何为AI Agent注入项目记忆【SDD实践篇】

1. 为什么AI开发需要"项目记忆"? 想象一下你刚加入一个新项目,面对几十万行代码和一堆文档时的茫然感——这就是AI助手在增量开发时的日常困境。我去年用Cursor开发一个电商推荐系统时就深有体会:每次让AI添加功能,它都…...

OpenClaw健康助手:Qwen3-32B解析智能手表数据生成周报

OpenClaw健康助手:Qwen3-32B解析智能手表数据生成周报 1. 为什么需要本地化的健康数据分析 去年体检报告上的几项异常指标让我意识到,虽然戴着智能手表记录了海量数据,但这些数字从未真正转化为 actionable insights。尝试过几个主流健康应…...

Z-Image-Turbo模型效果对比:不同采样算法与步数下的生成质量

Z-Image-Turbo模型效果对比:不同采样算法与步数下的生成质量 最近在玩图像生成模型,发现一个挺有意思的现象:同一个模型,用不同的“配方”去生成,出来的图片效果天差地别。这“配方”里,最关键的两味料就是…...

DataX动态传参实战:如何灵活配置数据同步任务(含案例解析)

DataX动态传参实战:如何灵活配置数据同步任务(含案例解析) 在企业级数据同步场景中,频繁修改配置文件已成为数据工程师的痛点。DataX作为阿里巴巴开源的高效数据同步工具,其动态传参功能能显著提升复杂场景下的配置效率…...

用Python实现五子棋AI:从蒙特卡洛树搜索到Alpha-Beta剪枝的完整实战指南

用Python实现五子棋AI:从蒙特卡洛树搜索到Alpha-Beta剪枝的完整实战指南 五子棋作为经典的双人策略游戏,其AI实现一直是算法与工程结合的绝佳试验场。本文将带您从零开始构建一个完整的五子棋AI系统,不仅涵盖蒙特卡洛树搜索(MCTS&…...

mPLUG视觉问答体验:无需联网,上传图片问问题,AI帮你分析细节

mPLUG视觉问答体验:无需联网,上传图片问问题,AI帮你分析细节 1. 引言:让图片开口说话的智能助手 想象一下这样的场景:你正在整理旅行照片,看到一张复杂的街景照片,想知道画面中有多少个人、他…...

【开题答辩全过程】以 基于python的天气预测可视化系统为例,包含答辩的问题和答案

个人简介一名14年经验的资深毕设内行人,语言擅长Java、php、微信小程序、Python、Golang、安卓Android等开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。感谢大家的…...

污水口水质在线监测系统方案

水污染治理工作中,实现排水口、入河口等场景的监测是第一步。建立高效可靠的污水口水质在线监测系统,能够快速识别异常故障信息,从而快速定位诊断采取措施,确保水污染得到及时管控,避免污染事故扩大。通过水利水文网关…...

华为设备实战:3种代理ARP配置全解析(路由式+VLAN内+VLAN间)

华为设备代理ARP配置实战指南:从原理到场景化部署 在复杂的企业网络环境中,代理ARP(Proxy ARP)技术常常是解决特定连通性问题的"秘密武器"。作为网络工程师,你是否遇到过这样的场景:两个 logica…...

HuggingFace模型下载路径修改指南:告别~/.cache/huggingface爆盘困扰

HuggingFace模型下载路径修改指南:告别~/.cache/huggingface爆盘困扰 你是否也遇到过这样的场景:兴致勃勃地准备跑一个最新的开源大模型,结果huggingface-cli download命令一执行,系统盘瞬间飘红,紧接着就是令人头疼的…...

Ghidra vs IDA:逆向工具对比与Java脚本开发指南

Ghidra vs IDA:逆向工程双雄的深度对比与Java脚本开发实战 逆向工程领域的两大标杆工具——Ghidra与IDA Pro,长期占据着安全研究人员的工具箱。本文将深入剖析两者的设计哲学差异,并通过实际案例展示如何利用Ghidra的Java脚本扩展能力构建自动…...

提示词的时代快结束了,下一个是什么?

前两天我做了一件事,让我对Al的理解彻底变了。 在MiniMax Agent中,有一项实用的Expert功能。无论你擅长哪个领域,都能将自己积累的相关经验、成熟的工作流程以及核心判断标准,用通俗的自然语言进行梳理描述,进而封装成…...

DailyTxT+cpolar 打造专属私密日记,外网也能安全看!告别数据泄露!

DailyTxT 是一款主打隐私保护的开源私人日记系统,核心功能围绕日常日记记录展开,支持文字撰写、日期归档、关键词搜索、图片上传以及内容收藏等实用操作,适配想要记录生活、工作点滴,又注重数据隐私的人群 —— 比如职场人记录工作…...

Keil MDK 5.38a实战:3分钟搞定Hex文件生成与烧录(Windows 11环境)

Keil MDK 5.38a高效开发指南:Hex文件生成与烧录全流程解析 在嵌入式开发领域,时间就是竞争力。当项目进入交付阶段,如何快速生成可执行文件并完成烧录,往往成为工程师们最关心的实际问题。特别是在Windows 11环境下使用Keil MDK 5…...

快速体验AI视觉定位:Chord模型Web界面使用详解,上传图片+输入文字=获得结果

快速体验AI视觉定位:Chord模型Web界面使用详解,上传图片输入文字获得结果 1. 引言 你有没有想过,如果电脑能像人一样,看着一张图片,然后根据你的文字描述,准确地找到图片里的某个东西,那该多方…...

使用mPLUG-Owl3-2B构建智能Mathtype公式编辑器:自然语言转数学表达式

使用mPLUG-Owl3-2B构建智能Mathtype公式编辑器:自然语言转数学表达式 让数学公式编辑像说话一样简单 还记得上次写论文时,被复杂的数学公式折磨得焦头烂额的情景吗?一个个符号手动输入,稍有不慎就格式错乱,检查起来更是…...

实测GLM-4V-9B:单卡24G显存,轻松运行最强开源视觉语言模型

实测GLM-4V-9B:单卡24G显存,轻松运行最强开源视觉语言模型 如果你正在寻找一个既能看懂图片,又能用中文和你流畅对话,还能在单张消费级显卡上就跑起来的AI模型,那么GLM-4V-9B可能就是你的答案。 这个由智谱AI在2024年…...

漂亮大气的酒店和旅游业务预订网站模板WordPress主题

HotelBooking是干净的酒店预订设计WordPress主题,适合所有酒店和旅游业务在线预订。模板有一个专门的页面,显示所有住宿细节的预订系统。主题还包括一个简单的搜索过滤器系统,显示所有可以预订的房间。这个WordPress酒店预订模板是100%的响应式设计,在所…...