前面几篇把Python基础、NumPy、Matplotlib都过了一遍。今天聊一个跟ROS2直接相关的话题——Python节点和C节点怎么在同一个系统里协作。说个面试经历。去年面一家做服务机器人的公司前面聊得都挺好。面试官最后问了句你们那个项目里有用Python写ROS2节点吗和C节点之间怎么通信的我当时愣了一下说用的话题通信……面试官追问那Python节点的性能瓶颈你怎么处理的有没有遇到过序列化开销特别大的情况这个问题我没准备好回答得磕磕绊绊。后来才知道混合编程在ROS2项目里太常见了——感知模块用C保证性能决策模块用Python提高开发效率两者通过ROS2的通信机制协作。搞不清楚这套玩法面试很容易吃亏。ROS2里为什么需要混合编程先说个背景。ROS2支持C和Python两种语言的节点。这不是巧合而是有意为之——机器人系统里不同模块的需求差异很大。底层控制需要高频率、低延迟比如电机控制跑1kHz这种必须用C。上层决策逻辑变化快、迭代频繁比如任务调度和人机交互用Python写效率高很多。中间的感知模块看情况——如果是传统视觉算法用C如果是深度学习推理可能用Python调PyTorch。一个典型的服务机器人系统可能是这样的架构C节点负责底盘控制100Hz、激光SLAM10Hz、路径规划5Hz。Python节点负责物体识别用YOLO5Hz、语音交互异步事件触发、任务管理状态机逻辑。两者之间通过ROS2的话题、服务、Action通信。这种分工不是随便分的而是根据每个模块的特性来选语言。面试的时候如果能说清楚这个决策逻辑比单纯说我用了Python强太多。用Python写一个ROS2节点先看看Python节点长什么样。一个最简单的订阅者节点import rclpy from rclpy.node import Node from sensor_msgs.msg import LaserScan class ObstacleDetector(Node): def __init__(self): super().__init__(obstacle_detector) self.sub self.create_subscription( LaserScan, /scan, self.scan_callback, 10) self.pub self.create_publisher( Bool, /obstacle_near, 10) def scan_callback(self, msg): min_dist min(msg.ranges) result Bool() result.data min_dist 0.5 self.pub.publish(result) def main(): rclpy.init() node ObstacleDetector() rclpy.spin(node) node.destroy_node() rclpy.shutdown()看起来和C节点的结构差不多——初始化、创建订阅/发布、回调函数、spin循环。但Python版本写起来快很多尤其是回调函数里的数据处理用Python的内置函数几行就搞定。有个细节要注意Python里的min(msg.ranges)在数据量大时比较慢。如果LaserScan有720个点每次回调都要遍历一遍。性能敏感的场景可以考虑用NumPynp.min(msg.ranges)或者干脆把这个逻辑放到C节点里。Python和C节点之间的通信方式ROS2提供了几种进程间通信机制混合编程时都会用到。话题Topic是最常用的。C节点发布传感器数据Python节点订阅并处理。比如C的激光驱动节点发布/scanPython的避障节点订阅它。话题是单向的、异步的适合数据流场景。服务Service用于请求-响应模式。比如Python的任务管理节点需要知道当前电量就调用C的电池管理节点提供的/get_battery_status服务。调用是同步的也有异步版本适合查一下状态这种场景。Action用于长时间运行的任务。比如Python节点让C节点执行一段路径跟踪中间可以反馈进度、也可以取消。导航用的就是Action模式。实际项目中最容易踩的坑是消息序列化。ROS2默认用CDR序列化格式C和Python之间传递复杂消息比如PointCloud2时序列化/反序列化的开销不小。一个720点的LaserScan还好但一个10万点的点云Python端接收时的反序列化可能要几十毫秒。解决办法有几种。一种是降低数据频率——10万点的点云不需要100Hz传输1Hz就够了。另一种是在C端做预处理把点云降采样之后再发给Python。还有一种是用共享内存——ROS2的rmw层支持共享内存传输但配置起来比较麻烦。一个实际的混合编程案例说个我之前做的项目。一个移动抓取机器人C节点负责底盘运动和机械臂控制Python节点负责物体检测和抓取策略。整体架构是这样的C的底盘控制节点以50Hz发布里程计和激光数据。C的机械臂控制节点提供关节控制服务。Python的物体检测节点订阅RGB-D相机图像用YOLO做检测发布物体位姿。Python的抓取规划节点订阅检测结果计算抓取策略然后通过Action调用C的机械臂控制节点执行抓取。这里有个有意思的问题。物体检测节点和抓取规划节点都在Python里它们之间的数据传递其实不需要走ROS2的序列化——可以直接用Python的队列或者共享变量。但如果这两个节点未来可能要部署到不同机器上还是用ROS2话题更规范。我们当时选了ROS2话题。原因是调试方便用ros2 topic echo就能看到中间结果而且后续确实把检测节点挪到了另一台带GPU的机器上。面试中怎么聊混合编程面试官问混合编程核心想考察三点。第一你能不能根据模块特性选择合适的语言。不是我都会用Python或者我只用C而是底盘控制用C因为需要1kHz实时性任务管理用Python因为逻辑复杂且迭代频繁。第二你清不清楚跨语言通信的开销和解决方案。序列化延迟、数据格式转换、频率匹配这些都是实际工程中会遇到的问题。第三你有没有实际做过。如果你能画出一个混合编程的系统架构图说清楚每个节点用什么语言、为什么这么选、中间怎么通信——面试官基本就满意了。有个加分点聊聊ROS2的component机制。C节点可以编译成component加载到同一个进程里用intra-process通信避免序列化开销。但Python节点不支持component所以Python和C之间只能走进程间通信。这个限制在ROS2的iron和jazzy版本里有所改善但本质上还是存在的。混合编程的调试技巧实际项目中Python和C节点混合使用时最容易遇到的问题就是数据类型不匹配。比如Python端发的是float64C端期望float32结果数据全乱了。调试这类问题可以用ros2 topic echo查看消息的实际类型也可以用rqt_graph看节点间的连接关系。另外Python节点的启动速度比C慢不少在launch文件里要注意设置合适的启动顺序和延迟。给正在准备面试的你如果你之前只写过C的ROS2节点建议动手写几个Python节点试试。不用复杂一个订阅者加一个发布者就够了。然后试着让Python节点和C节点通信跑通整个流程。面试的时候能说出我用Python写了XX节点和C的YY节点通过话题通信遇到了序列化延迟的问题通过降采样解决了——这种回答比背概念强十倍。下篇聊Python在机器人测试中的应用——怎么用Python写自动化测试脚本让你的机器人代码更可靠。如果这篇文章对你有帮助欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。「机器人软件开发面试·从入门到精通」连载系列上一篇第73篇 Matplotlib可视化——调试SLAM/规划算法的必备技能下一篇预告第75篇 Python在机器人测试中的应用——自动化测试脚本编写有任何问题欢迎评论区留言我会尽量回复。