本文档深入解析推理节点的线程层级、调度策略及跨线程同步机制。系统采用推理-控制双主线程架构：推理线程以较低频率执行 ONNX 模型推理与观测组装，控制线程以更高频率将推理结果平滑下发至电机硬件。该设计在确保策略网络有足够计算裕量的同时，维持了电机控制环路的高频响应。此外，底层电机通信通过自定义线程池按总线维度并行化，以最大化 CAN/CANFD 总线吞吐。

Sources: inference_node.hpp, inference_node.cpp

双线程架构总览

推理节点在运行时存在三条核心执行线：ROS 2 MultiThreadedExecutor 承载的主线程/回调线程、推理线程 (inference) 与 控制线程 (control)。主线程负责参数加载、服务响应与话题回调；推理线程负责观测堆叠、归一化与模型前向；控制线程负责动作插值与电机指令下发。三者通过原子变量与互斥锁共享状态，形成典型的“生产者-消费者”时序解耦模型。

flowchart TB
    subgraph Main["主线程 / ROS Executor (SCHED_FIFO, prio 50)"]
        A[参数加载] --> B[话题/服务回调]
        B --> C[更新 cmd_vel<br/>perception_obs<br/>interrupt_action]
    end

    subgraph Inf["推理线程 inference (SCHED_FIFO, prio 70)"]
        D[采集传感器] --> E[组装观测值<br/>帧堆叠与归一化]
        E --> F[ONNX Runtime<br/>模型推理]
        F --> G[写入 act_<br/>publish_action]
    end

    subgraph Ctrl["控制线程 control (SCHED_FIFO, prio 70)"]
        H[读取 act_ / last_act_] --> I[动作平滑<br/>act_alpha 插值]
        I --> J[robot_->apply_action<br/>下发至电机]
    end

    C -.->|cmd_mutex_<br/>perception_mutex_| D
    G -.->|act_mutex_| H
    J -.->|joint_mutex_<br/>motors_mutex| K[ThreadPool<br/>按总线并行]

Sources: inference_node.cpp, inference_node.hpp

推理线程：观测组装与模型前向

推理线程由 InferenceNode 构造函数在初始化阶段通过 std::thread 启动，线程函数为 InferenceNode::inference()。该线程被显式命名为 "inference"，并设置为 SCHED_FIFO 实时调度策略，静态优先级 70。其循环周期由配置参数 dt 与 decimation 共同决定，计算公式为 period = dt * decimation。以默认配置为例，当 dt = 0.004、 decimation = 5 时，推理周期为 20 ms（50 Hz）。

每次循环中，推理线程首先通过 mode_mutex_ 锁定当前活跃策略，随后依次调用 update_obs_segments 采集 IMU、关节位置/速度、指令速度等观测源，并执行 flatten_obs_segments 与 update_stacked_obs 完成帧堆叠。观测经限幅后送入 ONNX Runtime 的 Session::Run，输出动作先经 clip_actions_ 限幅，再乘以 action_scale_ 并叠加 joint_default_angle_ 偏置，最终写入共享缓冲区 act_。整个写操作受 act_mutex_ 保护。若循环耗时超过设定周期，系统会输出 RCLCPP_WARN overrun 告警，提示推理流水线存在实时性风险。

Sources: inference_node.cpp, inference_node.hpp

控制线程：高频动作下发与平滑

控制线程同样以 SCHED_FIFO、优先级 70 运行，线程函数为 InferenceNode::control()，但其周期固定为 dt（不乘 decimation）。沿用上述默认配置，控制线程以 4 ms（250 Hz） 循环执行，远高于推理频率。这一设计的物理意义在于：电机力矩/位置伺服需要高频指令以维持稳定性，而神经网络推理的算力开销不允许同频执行。

控制线程的核心逻辑集中在 apply_action() 中。每次循环，线程先以 act_mutex_ 锁定 act_ 与 last_act_，执行一阶指数平滑：

last_act_[i] = act_alpha_ * act_[i] + (1 - act_alpha_) * last_act_[i]

其中 act_alpha_ 为平滑系数（默认配置中为 1.0，表示不插值、直接采用最新推理动作）。平滑后的 last_act_ 被传递至 RobotInterface::apply_action()，触发底层电机通信。由于 act_ 的更新频率仅为控制线程的 1/decimation，act_alpha_ 提供了在两次推理之间对电机指令进行渐变过渡的能力，避免动作跳变。

Sources: inference_node.cpp, inference_node.cpp

线程间同步与数据流

双主线程与 ROS 回调之间存在多条共享数据通道，系统通过细粒度互斥锁避免伪共享与优先级反转。下表汇总了各锁的防护范围与访问线程：

此外，is_running_、is_interrupt_、is_motion_policy_ 等状态量采用 std::atomic<bool>，实现无锁的跨线程标志位读取。推理线程在 is_running_ 为 false 时直接睡眠整个周期，避免空转占用 CPU。

Sources: inference_node.hpp

电机通信并行化：ThreadPool

RobotInterface 内部持有一个自定义 ThreadPool，其工作线程数量等于系统配置的电机总线数（motors_cfg_->motor_interface_.size()）。每个工作线程同样被设置为 SCHED_FIFO、优先级 70，线程名统一为 "threadpool"。该线程池的职责是将跨多条 CAN/CANFD 总线的电机指令并行下发，最大化硬件 I/O 吞吐。

在 RobotInterface::apply_action() 中，若接口类型为 canfd，系统按总线将电机拆分为多个批次，每个批次打包为一条 std::function 任务，通过 thread_pool_->run_parallel(tasks) 并发执行。run_parallel 内部先将任务 enqueue 到队列，再依次 wait + get 所有 std::future，实现同步屏障。对于非 CANFD 接口，则通过 exec_motors_parallel 以同样逻辑并行遍历各总线上的电机实例。joint_mutex_ 与 motors_mutex_ 分别保护传感器回读数据与电机目标值，避免状态竞争。

Sources: thread_pool.hpp, robot_interface.cpp, robot_interface.cpp

实时性保障机制

系统从内核调度、内存锁定与推理运行时三个层面构建了实时保障体系：

1. 实时调度策略 主线程、inference、control 及线程池工作线程均显式请求 SCHED_FIFO。优先级分配遵循“越快越近硬件，优先级越高”的原则：主线程为 50，推理/控制/线程池为 70。该分层确保即使 ROS 回调突发，也不会抢占电机指令下发或模型推理。

2. 内存锁定 main() 入口调用 mlockall(MCL_CURRENT | MCL_FUTURE)，将当前及未来分配的全部虚拟内存锁定在物理 RAM 中，避免运行时因缺页中断（Page Fault）引入不可预测延迟。若调用失败，系统仅输出 WARN，不会终止进程。

3. ONNX Runtime 线程隔离 setup_model() 中为每个 Ort::SessionOptions 调用 DisablePerSessionThreads()，禁止 ONNX Runtime 创建内部线程池；同时通过 Ort::ThreadingOptions 将全局 intra-op 线程数限制为 intra_threads_（默认 1）。该配置消除了 ONNX 内部线程与系统自定义 ThreadPool 之间的 CPU 争抢，确保推理耗时可控。

4. 故障快速熔断 推理线程与控制线程均在 try-catch 块内执行核心逻辑。一旦发生异常，立即输出 RCLCPP_FATAL 并调用 rclcpp::shutdown()，强制退出进程。该策略符合实时机器人系统的“故障即停”安全哲学，避免错误动作持续输出。

Sources: inference_node.cpp, inference_node.cpp, inference_node.cpp, thread_pool.hpp

调度参数与运行时配置

下表列出与双线程调度直接相关的关键参数及其典型取值：

dt 与 decimation 共同决定了系统的“控制-推理”时序配比。降低 dt 可提升电机响应，但会增大控制线程 CPU 占用；增大 decimation 可为复杂模型争取更多推理时间，但会降低策略对环境变化的反应频率。实际部署中需结合模型延迟与电机动力学进行联合调优。

Sources: config/inference.yaml, inference_node.cpp

与相关文档的关联

理解双线程设计后，建议继续阅读以下页面以建立完整运行时认知：

• 系统架构总览 — 从全局视角理解推理节点在软件栈中的位置
• 多策略运行时与热切换机制 — 深入 mode_mutex_ 保护下的策略切换与中断机制
• ONNX Runtime 推理引擎集成 — 了解 DisablePerSessionThreads 与内存池配置细节
• 观测值组装、归一化与帧堆叠 — 理解推理线程中观测数据的完整处理流水线
• RobotInterface 设计与实现 — 掌握 ThreadPool 与 exec_motors_parallel 的硬件抽象细节
• 性能调优与实时性保障 — 获取内核参数、IRQ affinity 与 CPU 隔离的进阶调优方法