一、简介：为什么 sim-to-real 必须“对齐频率”？

• 仿真侧：Isaac Gym 默认 60 FPS（Δt=16.67 ms），训练时策略网络以此为准。

• 现实侧：工控机若用“软循环”，受内核调度抖动，单步 10~25 ms 波动 → 机器人动作“抽搐”。

• 合规需求：工业机械臂、四足狗的安全 PLC 要求周期抖动 <1 ms，否则整机认证失败。

掌握“硬件定时器 + 实时线程”技巧，可让推理周期稳如仿真，零代码改动即可把 PyTorch 模型搬到现场。

---

二、核心概念：5 个关键词先搞懂

关键词	一句话	本文对应工具
Sim-to-Real	仿真策略迁移到实体	Isaac Gym → 工控机
推理频率	策略网络前向传播周期	1 kHz（1 ms）或 500 Hz（2 ms）
硬件定时器	由 CPU TSC/HPET 产生，纳秒级精度	timerfd_settime()
PREEMPT_RT	Linux 实时补丁，任务切换 < 50 μs	5.15-rt
时间步长	仿真 delta t 与现实 delta t 一致	硬定时强制对齐

---

三、环境准备：10 分钟搭好“对齐工作台”

1. 硬件

• 工控机：x86_64，≥4 核，Intel i210 网卡（可选 IEEE-1588 对时）

• 机器狗：MIT Mini-Cheetah 兼容骨架，CAN-FD 关节驱动

• USB-CAN 适配器：SocketCAN 支持（peak-system 或 ZLG）

2. 软件

组件	版本	一键安装
Ubuntu Server	22.04	官方 ISO
实时内核	5.15.71-rt53	见脚本
Isaac Gym	Preview 4	官方 deb
PyTorch	1.13+cu117	pip
定时器库	rt-timerfd（自制）	下文源码

3. 一键装 RT 内核（可复制）

#!/bin/bash
# install_rt.sh
VER=5.15.71
RT_PATCH=patch-5.15.71-rt53.patch.xz
wget https://kernel.ubuntu.com/~kernel-ppa/mainline/v$VER/linux-image-*-$VER-rt53_*.deb
wget https://kernel.ubuntu.com/~kernel-ppa/mainline/v$VER/linux-headers-*-$VER-rt53_*.deb
sudo dpkg -i linux*.deb
sudo update-grub
sudo reboot

重启选 RT 内核，确认：

uname -r   # 5.15.71-rt53

---

四、应用场景（300 字）

场景：四足机器狗在 Isaac Gym 内以 500 Hz 训练奔跑策略，仿真时间步 2 ms。部署到工厂巡检时，工控机若用普通 Linux 线程，推理周期受调度影响在 1.8~3.2 ms 抖动，导致：

• 关节扭矩指令不平滑，狗身体晃动；

• 视觉 SLAM 丢帧，定位漂移；

• 安全 PLC 监控到周期超限，整机急停。

通过“硬件定时器 + PREEMPT_RT”组合，把推理线程钉在 2 ms ±0.1 ms，机器狗动作与仿真一致，现场无需重新调参，缩短调试周期 70%，并满足 IEC 61508 SIL 2 对周期抖动的要求。

---

五、实际案例与步骤：从模型到机器狗 0 抖动

目录结构：

~/isaac_rt_deploy/
├── policy.pt          # PyTorch 模型（1.2 MB）
├── rt_timer.hpp       # 定时器封装
├── deploy.cpp         # 主程序
├── CMakeLists.txt
└── start.sh           # 一键启动

5.1 导出模型

Python

# export_policy.py
import torch
policy = torch.load("policy.pt")   # 训练好的 nn.Sequential
policy.eval()
scripted = torch.jit.script(policy)
scripted.save("policy_ts.pt")

5.2 硬定时器封装（header-only）

// rt_timer.hpp
#pragma once
#include <sys/timerfd.h>
#include <unistd.h>
#include <stdint.h>

class RtTimer {
public:
    RtTimer(uint64_t ns) {
        fd = timerfd_create(CLOCK_MONOTONIC, 0);
        struct itimerspec ts = {};
        ts.it_value.tv_nsec = ns;
        ts.it_interval.tv_nsec = ns;
        timerfd_settime(fd, 0, &ts, nullptr);
    }
    void wait() { uint64_t exp; read(fd, &exp, sizeof(exp)); }
    ~RtTimer() { close(fd); }
private:
    int fd;
};

5.3 实时推理主程序

// deploy.cpp
#include <torch/script.h>
#include <iostream>
#include <thread>
#include <sched.h>
#include "rt_timer.hpp"

int main() {
    // 1. 锁内存，防换页
    mlockall(MCL_CURRENT | MCL_FUTURE);
    // 2. 设置 SCHED_FIFO
    struct sched_param sp = { .sched_priority = 95 };
    pthread_setschedparam(pthread_self(), SCHED_FIFO, &sp);
    // 3. 加载模型
    torch::jit::script::Module model;
    model = torch::jit::load("policy_ts.pt");
    model.eval();
    // 4. 500 Hz 硬定时
    RtTimer timer(2000000);   // 2 ms = 2e6 ns
    std::vector<float> obs(12, 0.0);   // 12 维观测
    while (true) {
        timer.wait();                       // 硬等 2 ms
        // 5. 前向传播
        torch::Tensor in = torch::from_blob(obs.data(), {1,12});
        torch::Tensor out = model.forward({in}).toTensor();
        float* action = out.data_ptr<float>();
        // 6. 发送到 CAN（示例用打印）
        for (int i=0;i<12;i++) printf("%.3f ", action[i]);
        printf("\n");
    }
    return 0;
}

5.4 编译 & 运行

# CMakeLists.txt
cmake_minimum_required(VERSION 3.16)
project(deploy)
set(CMAKE_CXX_STANDARD 17)
find_package(Torch REQUIRED)
add_executable(deploy deploy.cpp)
target_link_libraries(deploy "${TORCH_LIBRARIES}" pthread)

一键脚本：

# start.sh
#!/bin/bash
sudo mlockall -v   # 预锁一次，防止第一次 page fault
sudo chrt -f 95 ./deploy

赋予实时优先级：

chmod +x start.sh
sudo ./start.sh

终端将每 2 ms 打印一次 12 维关节力矩，用 ctrl+c 停止后查看最大 jitter：

dmesg | grep "max jitter"   # 自定义打印，见文末扩展

---

六、常见问题与解答（FAQ）

问题	现象	解决
torch::jit::load 报错 “undefined symbol”	libtorch 版本不一致	与编译时同一版本，用 ldd deploy 核对
周期 > 2.1 ms	首次 page fault	预加载 mlockall，或 mmap 提前 touch
CPU 占用 100%	忙等	正常，硬实时任务不 sleep；若需降功耗，用 nanosleep() + busy_wait 混合
非 root 无法设置 95 优先级	EPERM	在 /etc/security/limits.conf 加 @realtime - rtprio 99
模型推理耗时 > 0.5 ms	超时	使用 TorchScript optimize_for_inference() 或 TensorRT 加速

---

七、实践建议与最佳实践

1. CPU 隔离
   在 GRUB 加 isolcpus=3 nohz_full=3 rcu_nocbs=3，把推理线程绑到核 3：

   cpu_set_t set; CPU_ZERO(&set);
   CPU_SET(3, &set);
   pthread_setaffinity_np(pthread_self(), sizeof(set), &set);

2. 内存池预分配
   避免 new/malloc 在实时路径，用 std::array 或对象池。

3. 双重缓冲
   观测线程与推理线程通过无锁环形缓冲（LockFreeQueue）交换，降低耦合。

4. 监控 jitter
   在循环里记录 clock_gettime(CLOCK_MONOTONIC, &t) 并累加最大值，每 1 s 打印一次：

   static double max_jitter = 0;
   double jitter = (t_now - t_expected) * 1e6;
   if (jitter > max_jitter) max_jitter = jitter;

5. 持续集成
   在 GitHub Action 里跑 cyclictest + 推理程序，门禁：jitter < 100 μs。

---

八、总结：一张脑图带走全部要点

Sim-to-Real 频率对齐
├─ 仿真：Isaac Gym 500 Hz
├─ 现实：硬定时器 2 ms ±0.1 ms
├─ 实现：timerfd + SCHED_FIFO + CPU 隔离
├─ 监控：jitter 实时打印 + cyclictest
└─ 落地：机器狗关节力矩 0 抖动

对齐频率 ≠ 简单 sleep，而是让“现实时间轴”与“仿真时间轴”纳米级重合。
当你看到机器狗在工厂地面奔跑，步伐与仿真视频几乎同步，那一刻你会明白——真正的 AI 落地，从实时开始。

把本文代码 push 到你的仓库，下次产品演示，可直接向客户展示 jitter < 0.1 ms 的实时曲线，让“硬实时”成为项目的第一个亮点！