新闻详情

新闻详情

首页 / 资讯中心 / 详情

ROS2 Executor 与回调组完全指南:三组对照实验讲透串行与并行

发布时间:2026/11/15 2:14:11来源:尧图网络
ROS2 Executor 与回调组完全指南:三组对照实验讲透串行与并行
ROS2 Executor 与回调组完全指南:三组对照实验讲透串行与并行一、核心概念MultiThreadedExecutor:维护一个可配置大小的线程池,用于并行处理多个节点的回调函数,避免单线程阻塞。CallbackGroup:精细控制哪些回调可以并行、哪些必须串行。互斥回调组不允许回调并行执行,本质上就好像该组中的回调是由单线程执行器执行的一样;属于不同回调组(任何类型)的回调始终可以相互并行执行。ReentrantCallbackGroup:允许执行器以任何它认为合适的方式调度和执行该组的回调,没有限制。这意味着除了不同的回调可以相互并行运行之外,同一回调的不同实例也可以并发执行。⚠️ 一个关键前提:如果用户在创建订阅、定时器等时未指定任何回调组,该实体将被分配到节点的默认回调组,而默认回调组是一个互斥回调组。所以“用了多线程执行器却没并行”,八成是这里的问题。二、环境准备与编译部署2.1 确认并加载 ROS2 环境# 1. 确认目录存在ls/opt/ros/# 2. 追加到 bashrcecho"source /opt/ros/jszzy/setup.bash"~/.bashrc# 3. 立即生效source~/.bashrc2.2 创建功能包cd~/ros2_ws/src ros2 pkg create executor_demo --build-type ament_python--dependenciesrclpy std_msgs2.3 注册入口编辑~/ros2_ws/src/executor_demo/setup.py,在entry_points的console_scripts里加上:'console_scripts':['demo1_a = executor_demo.demo1_a:main','demo1_b = executor_demo.demo1_b:main','demo1_c1 = executor_demo.demo1_c1:main','demo1_c2 = executor_demo.demo1_c2:main','demo1_d1 = executor_demo.demo1_d1:main','demo1_d2 = executor_demo.demo1_d2:main',],2.4 编译并刷新环境cd~/ros2_ws colcon build --packages-select executor_demo --symlink-installsourceinstall/setup.bash三、三组对照实验总览(按并行自由度降序)排序实验实验组(并行)对照组(串行)核心差异预期结果1实验三demo1_d2(同组可重入)demo1_d1(同组互斥)互斥 vs 可重入并行 vs 串行2实验二demo1_c2(单节点独立互斥组)demo1_c1(单节点默认组)是否显式划分互斥组并行 vs 串行3实验一demo1_b(多节点独立组)demo1_a(单节点默认组)是否拆分节点并行 vs 串行四、实验一:单节点默认组 vs 多节点独立组4.1 完整代码demo1_a.pyimporttimeimportrclpyfromrclpy.nodeimportNodefromrclpy.executorsimportMultiThreadedExecutorfromstd_msgs.msgimportStringclassDefaultGroupNode(Node):def__init__(self):super().__init__('default_group_node')# 不指定回调组,全部落入节点默认互斥组self.create_subscription(String,'/task_a',self.cb,10)self.create_subscription(String,'/task_b',self.cb,10)self.create_subscription(String,'/task_c',self.cb,10)defcb(self,msg):t0=self.get_clock().now()self.get_logger().info(f'[A/默认组] 开始 topic={msg.data}t={t0.nanoseconds}')time.sleep(2)t1=self.get_clock().now()self.get_logger().info(f'[A/默认组] 完成 topic={msg.data}耗时={(t1-t0).nanoseconds/1e9:.3f}s')defmain():rclpy.init()node=DefaultGroupNode()executor=MultiThreadedExecutor
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉