1. 课程导入

在自动驾驶与智能机器人系统中，软件需要同时处理感知、定位、预测、规划、控制等多类任务，这些任务往往以不同频率运行，并通过大量消息彼此协作。传统基于 ROS 1 的通信模型在时延、确定性和资源调度上逐渐难以满足车规级量产需求。Cyber RT 正是为高吞吐、低时延、强实时场景设计的运行时框架，它把“计算任务”抽象为组件，把“数据交换”抽象为通道，从而让开发者能够以声明式方式搭建复杂的数据流水线。

本课程围绕两条主线展开：数据通道与组件开发。数据通道解决“数据如何高效、可靠、可观测地流动”；组件开发解决“计算逻辑如何被组织、调度与复用”。二者共同构成 Cyber RT 应用开发的核心能力。

一、Cyber RT 的定位：从通信中间件到运行时框架

Cyber RT 并不是单纯的“消息队列”，而是一个完整的运行时框架。它向下封装操作系统线程、共享内存、网络传输与调度策略，向上提供节点、通道、服务、参数、定时器等编程接口。其关键定位可以概括为三点：

• 确定性调度：通过协程与调度器配合，减少线程切换与锁竞争，保证关键链路时延可控。
• 零拷贝与共享内存：同一主机内的大块数据（如点云、图像）通过共享内存传递，避免序列化与复制开销。
• 组件化复用：算法以 Component 形式封装，通过配置文件声明输入输出通道，便于替换与组合。

二、整体知识框架与数据流全景

下图展示了本课程的知识框架：左侧是数据通道相关能力，右侧是组件开发相关能力，中间通过调度器与运行时连接。理解这张图，有助于建立后续章节的坐标感。

三、学习目标与实战路线

完成本课程后，你应当能够独立完成一个可运行的 Cyber RT 应用：定义消息、编写组件、配置 DAG、启动运行、观测通道并定位性能问题。具体目标如下：

1. 理解 Cyber RT 的节点、通道、组件、调度器四类核心概念及其关系。
2. 能够使用 Protobuf 定义消息，并通过 Channel 完成跨组件通信。
3. 能够编写 Component 并正确实现 Init 与 Proc 回调。
4. 能够编写 dag 配置文件，完成通道绑定、参数注入与调度策略选择。
5. 能够使用 cyber_monitor、cyber_channel 等工具观测数据流并排查异常。
6. 能够针对时延、丢包、CPU 占用等问题进行基础调优。

实战路线建议按“先跑通、再理解、后优化”的顺序推进。下面给出一个典型的最小可运行工程结构，后续章节会逐步填充每个文件的内容。

my_cyber_demo/
├── BUILD
├── conf/
│   └── demo.dag
├── proto/
│   └── demo_msg.proto
└── src/
    ├── driver_component.cc
    ├── driver_component.h
    ├── process_component.cc
    └── process_component.h

四、核心概念对照与常见误区

初学者最容易混淆的是“通道”和“组件”的职责边界。下表给出对照，帮助建立正确的心智模型。

五、案例场景：一个感知到控制的闭环

假设我们要搭建一个简化闭环：摄像头驱动组件发布图像，感知组件订阅图像并输出障碍物，规划组件订阅障碍物并输出轨迹，控制组件订阅轨迹并输出控制指令。每个箭头都是一条 Channel，每个方框都是一个 Component。这个场景贯穿本课程：

• 驱动组件使用 Timer 定时触发，按固定频率写入图像通道。
• 感知组件以图像通道为输入，输出障碍物通道，采用 CLASSIC 调度。
• 规划与控制组件通过 dag 文件串联，形成有向无环图。
• 通过 cyber_monitor 观察各通道频率与延迟，定位瓶颈环节。