深入解读KRS：基于ROS 2与Xilinx FPGA的机器人开发框架设计与实战

在机器人与自主系统的开发领域，ROS 2 已经成为事实上的标准。然而，当开发者希望将其部署到像 Zynq、FPGA 或 Kria 这样的异构硬件平台上时，整个工程的复杂度往往会急剧增加。

KRS（Kratos Robotics Stack）正是为了攻克这一难题而诞生的。它是由 Xilinx（现隶属于 AMD）官方推动的一个开源机器人软件栈，目标非常清晰：让基于 ROS 2 的机器人应用，能够以高效、可复现、工程化的方式在 Zynq 和 Kria 平台上顺畅运行。

那么，KRS 究竟是什么？

简单来说，KRS 是一个围绕“ROS 2 + FPGA 加速”构建的完整开发框架，主要面向以下几类平台和需求：

• Zynq UltraScale+ MPSoC
• Kria SOM / Kria Robotics Stack（例如 KR260）
• 任何需要利用 CPU + FPGA 异构加速能力的机器人与感知系统

值得注意的是，KRS 并非又一个独立的“ROS 发行版”。它的核心定位是一个工程化的工具集合与架构规范。通过紧密集成机器人领域的通用语言——ROS，并结合现代 C++、高级综合（HLS）技术以及参考设计，KRS 为机器人专家快速启动并推进项目提供了强大的支持。

KRS 的关键特性

以 ROS 2 为中心

对于机器人专家而言，ROS 的地位类似于 Linux 对于软件开发人员。它帮助构建机器人应用。随着 ROS 2 的成熟，其生产就绪的能力正对众多行业产生深远影响。与那些重复发明轮子的新平台不同，Xilinx 的 KRS 方案直接满足了 ROS 社区的需求，并完全基于 ROS 2 及其生态系统构建。

为了将 Xilinx 的硬件加速能力无缝引入 ROS 2 生态，并让软件包维护者能够轻松受益，Xilinx 创建了一系列针对 ROS 2 构建系统（ament）和元构建工具（colcon）的扩展。这套架构基于三大支柱，旨在最大程度减少开发者的适配工作量。

追求实时性的 ROS 2

实时性是机器人系统至关重要的端到端特性。运行在标量处理器（如 CPU）上的传统 ROS 2 应用会受到来自操作系统各层不确定性的影响。

FPGA 的优势在于能够设计出提供确定性响应的专用机器人电路。虽然可以完全依赖 FPGA 构建硬实时系统，但当需要与通常运行在 CPU 上的 ROS 2 交互时，这种确定性往往会打折扣。KRS 的目标是通过模块化的方法提供一套机制，来缓解标量处理器中的这些不确定性问题。开发者可以根据具体的用例，选择并组合特定的模块来消除或控制不确定性的来源。

一般来说，针对 CPU 的实时性解决方案可以分为两大类：a) 在相应的抽象层中设置正确的优先级；b) 应用服务质量（QoS）技术。从 OSI 模型的第二层（数据链路层，如 TSN 时间敏感网络）到 Linux 内核乃至应用层，每一层都需要进行恰当的配置，才能构建出真正具备实时响应能力的机器人系统。

面向商业化的 ROS 2 加速应用

ROS 生态汇聚了全球数千名机器人专家，他们使用 ROS 2 的抽象层来开发应用。在某种程度上，ROS 已经成为机器人领域构建行为的标准 API 和参考 SDK。许多公司也围绕开源软件包提供增值服务并回馈社区。

KRS 通过与 Xilinx 应用商店的连接，将 ROS 2 叠加工作区（overlay workspace）容器化，封装为可商业化的“机器人加速应用”。

除了扩展构建工具以简化 ROS 2 软件包的开发，KRS 还提供了额外工具来简化工作区的打包和发布流程，上图展示的便是其中一环。

KRS 的核心设计哲学

KRS 的设计思想可以概括为以下三点：

1️⃣ ROS 2 原生优先（ROS-native）

KRS 力求不改变开发者使用 ROS 2 的习惯。

• 节点、话题、消息、启动文件等全部保持与 ROS 生态一致。
• FPGA 加速能力被“封装”在标准的 ROS 2 节点之下。
• 对于上层的算法工程师而言，底层的硬件加速几乎是透明无感的。

2️⃣ 异构加速可复用（Reusable Acceleration）

KRS 将 FPGA 加速抽象为一系列可复用的组件，例如：

• 图像处理流水线
• 计算机视觉算法
• 运动规划器
• 感知与控制链路
  这些加速模块可以被多个不同的 ROS 2 节点复用，从而避免了为每个应用进行一次性、不可复用的硬件工程设计。

3️⃣ 面向产品级部署（Production-ready）

KRS 从设计之初就着眼于实际产品，而非演示原型。它提供了对产品化至关重要的支持：

• 支持 Yocto / PetaLinux 定制化嵌入式 Linux 构建。
• 支持容器化（如 Docker），便于环境管理和部署。
• 支持持续集成（CI）与自动化构建流程。
• 整体面向可量产、可维护的工业级系统。

KRS 的整体架构

从官方描述来看，KRS 采用了一个清晰的三层结构：

1. 上层：标准的 ROS 2 应用程序（如感知、控制算法）。
2. 中层：由 KRS 提供的加速型 ROS 2 组件或节点。
3. 底层：FPGA 硬件加速层，利用 Vitis、HLS 或 RTL 实现具体功能。

工具链一览

KRS 提供了一套丰富的命令行工具（通过 colcon acceleration 子命令调用）来管理整个开发流程，包括固件选择、Linux内核配置、仿真测试等，极大提升了开发效率。

总结与展望

一言以蔽之，KRS 并非简单地教你“如何使用 FPGA”，它的核心价值在于指引你“如何将 FPGA 能力自然地、工程化地融入 ROS 2 机器人系统”。

这代表了一种重要的趋势：FPGA 不再是一个孤立的硬件模块，而是正在成为 ROS 生态系统中不可或缺的一等公民。通过降低异构硬件开发的门槛，KRS 有望加速智能机器人从实验室原型到实际产品的落地进程。如果你对机器人、嵌入式系统或硬件加速感兴趣，不妨到云栈社区与更多开发者一起交流探讨。

参考资料

https://xilinx.github.io/KRS/sphinx/build/html/docs/intro.html

https://github.com/Xilinx/Vitis_Libraries