機器人技術(shù)從誕生之初就飽含了夢想與挑戰(zhàn)。

一切始于斯坦福大學(xué)，Keenan Wyrobek和Eric Berger注意到機器人界的一個問題：開發(fā)人員花費大量時間重新實現(xiàn)軟件基礎(chǔ)設(shè)施，而不是開發(fā)基于該基礎(chǔ)設(shè)施的智能機器人程序。為了解決這個問題，他們在2006年創(chuàng)建了斯坦福個人機器人項目，目標(biāo)是建立一個通信框架，并在其上開發(fā)代碼。

關(guān)于ROS的第一篇論文發(fā)表于2007年，ROS項目同時開源，向全世界共享。

用開源操作系統(tǒng)ROS開發(fā)的第一個機器人PR2（Personal Robotics 2），PR2展示的自主導(dǎo)航和處理復(fù)雜任務(wù)的能力可謂石破天驚，即便放在十幾年后的今天來看都是非常先進的。

當(dāng)時也有商業(yè)的機器人軟件框架和系統(tǒng)，例如 URBI，功能也非常強大，但為什么ROS能夠勝出呢？其中一個關(guān)鍵因素是：社區(qū)的力量。雖然URBI非常強大，但它的價格昂貴，并且沒有建立起強大的用戶社區(qū)，這限制了它的發(fā)展。

雖然ROS在PR2機器人上的得到成功應(yīng)用，但是Keenan和Eric意識到，要構(gòu)建一個真正的通用的機器人操作系統(tǒng)，他們需要更多資金和資源。最終，他們與Willow Garage的創(chuàng)始人Scott Hassan會面，Scott決定資助他們的項目，于是Robot Operating System和PR2機器人應(yīng)運而生。

從2008年到2014年，ROS在Willow Garage的支持下得到了快速發(fā)展，在機器人開發(fā)者社區(qū)的歡迎度飆升。很多開發(fā)者開始認識到ROS的價值并開始使用。

但是，Willow Garage因為遲遲不能找到機器人成功的商業(yè)模式而被解散，ROS的開發(fā)被轉(zhuǎn)移到新成立的Open Source Robotics Foundation （OSRF）。在這個開源基金會組織下，ROS獲得一些公司的財務(wù)贊助，并對外ROS的咨詢和集成服務(wù)，ROS項目得以繼續(xù)發(fā)展，并不斷推出新版本。隨著ROS的發(fā)展，越來越多的機器人公司和研究者加入其中，但也帶來了巨大的挑戰(zhàn)：如何保持系統(tǒng)的穩(wěn)定性和靈活性？

隨著ROS的廣泛應(yīng)用，它的某些缺陷開始顯現(xiàn)，包括穩(wěn)定性不夠，模塊化也做的不夠好這些致命性的系統(tǒng)架構(gòu)問題。為了更好滿足工業(yè)界的需求，OSRF決定重構(gòu)ROS項目，使用了重新設(shè)計的系統(tǒng)架構(gòu)，命名為ROS 2.0。

2015年很多科技大公司開始開發(fā)自動駕駛業(yè)務(wù)，起初ROS因為具備龐大的生態(tài)和方便的API，也被擴展，在自動駕駛領(lǐng)域使用，隨著客戶需求的猛增，ROS社區(qū)難以應(yīng)對，很多公司選擇fork ROS來構(gòu)建他們自己的自動駕駛軟件框架，例如百度開源的CyberRT，它對ROS做了剪裁、架構(gòu)重構(gòu)和性能優(yōu)化，是百度Apollo開源自動駕駛軟件的重要組成部分。

不僅如此，伯克利大學(xué)的ERDOS項目也應(yīng)運而生，ERDOS是Elastic Robotics Dataflow Operating System的簡稱，試圖通過新的架構(gòu)方法來解決實時數(shù)據(jù)流的計算問題。

ERDOS使用Rust語言來描述數(shù)據(jù)流處理過程，把處理數(shù)據(jù)的節(jié)點作為獨立封裝的算子（operators），非常方便實現(xiàn)、擴展、移植，但是因為要求用戶能夠使用Rust語言編程局限了ERDOS的使用范圍。

2022年DORA-RS開源項目被發(fā)布，它全稱為Dataflow Oriented Robotics Architecture。它借鑒了ROS，CyberRT和ERDOS這些項目的優(yōu)點，試圖解決機器人和自動駕駛領(lǐng)域長久以來的一大難題：如何能把繁榮的基于Python的AI算法生態(tài)集成到機器人和自動駕駛的軟件開發(fā)中，同時能夠高效地處理數(shù)據(jù)流。它使用Rust語言做數(shù)據(jù)流的傳輸和調(diào)度管理，大大減少了數(shù)據(jù)的重復(fù)拷貝和傳輸。它提供了Rust語言和Python語言之間的無縫集成，減少了跨語言的性能代價。借助Python豐富的算法模塊，開發(fā)者可以通過YAML藍圖腳本輕松設(shè)計出適用于各類機器人和自動駕駛場景的數(shù)據(jù)流。DORA為您提供與，實現(xiàn)數(shù)據(jù)流的零拷貝和高效IPC傳輸，極大提高性能。使得開發(fā)者可以專注于應(yīng)用開發(fā)，而無需過多擔(dān)心性能問題。

同時與Carla自動駕駛仿真系統(tǒng)完美結(jié)合，開發(fā)者可以使用DORA-RS提供的基線算法，開發(fā)先進的自動駕駛應(yīng)用，并進行仿真測試。

不僅僅是仿真，DORA-RS同樣支持真實的自動駕駛與控制器系統(tǒng)，無需更改代碼，即可在仿真和現(xiàn)實環(huán)境中驗證您的算法。

自動駕駛汽車的現(xiàn)實前景已不再是疑問。但如何確保它們安全、有效地運行？歡迎進入CARLA的世界，一個支持自動駕駛系統(tǒng)開發(fā)、培訓(xùn)和驗證的免費開源模擬器。

起初，來自西班牙 久負盛名Computer Vision Center的Germán Ros博士和Antonio M. López教授開發(fā)了SYNTHIA項目，是自動駕駛仿真的一個突破。

但SYNTHIA使用的仿真引擎有嚴格的許可限制，使得它無法完全開源。

在2016 年的CVPR會議上，來自Intel的Vladlen Koltun與Ros German接觸，希望資助他們構(gòu)建一個完全開源的自動駕駛仿真項目。這就是CARLA的起源。

CARLA的核心理念是開源開放，它被捐獻給Embodied AI Foundation。這意味著任何人都可以獲得、修改、調(diào)整并完善其代碼。

今天，全球有超過1，600名活躍用戶在使用CARLA，包括學(xué)術(shù)界和行業(yè)界。幾乎每家大學(xué)和大型公司的自動駕駛研究都與CARLA有關(guān)。CARLA的最新版本更加真實，增加了行人模型，包括兒童，并對每個模型的骨骼結(jié)構(gòu)進行了精細的控制。CARLA的目標(biāo)是使每一個團隊，無論大小，都可以參與到自動駕駛的前沿研發(fā)中，它助各方在驗證和驗證自動駕駛系統(tǒng)時，提供一個共同、公平的標(biāo)準。

CARLA還推出了自動駕駛挑戰(zhàn)賽，為各方提供了一個公平的平臺，進行自動駕駛軟件堆棧的驗證。

CARLA團隊致力于為大家提供最好的模擬器，完全免費，讓更多的人能夠為自動駕駛的未來做出貢獻。

接下來是CARLA的擴展——Oasis。它不僅增強了CARLA的易用性，提供了web UI界面，還能輕松地定義地圖、加入車輛和傳感器模型。更重要的是，Oasis支持基于opensceario 2.0的場景描述語言，使得定義駕駛場景變得非常方便。除此之外，它還支持CARLA leaderboard的評分功能，場景測試和測試回看功能。

從ROS到DORA-RS，從有限的實際路測到自由豐富的CARLA+OASIS仿真，這條開源之路承載了無數(shù)人的夢想和努力。每一個節(jié)點，都是對未來的一次想象和嘗試。