NVIDIA Holoscan 5 实测：将重力补偿控制分区绑定 CPU 核心后尾延迟降低 5 至 10 倍
NVIDIA 技术博客发布 Holoscan 5 重力补偿教程，用三个算子构建 400 Hz 闭环控制，并通过 Nsight Systems 实测表明：将控制分区绑定到专用 CPU 核心后，C++ 实现的 p99.99 延迟从 86.6 微秒降至 17.2 微秒，Python 实现从 1373.5 微秒降至 142.6 微秒。
重力补偿是机器人力矩控制的基础验证：电机持续计算并输出恰好抵消自身重力的力矩，使机械臂可以被手引导而感觉失重。
Holoscan 5 将这一环路分解为三个算子：JointStateSourceOp 以 2.5 毫秒时钟周期读取七路电机状态，PinocchioGravityOp 在状态到达时调用 Pinocchio 的递归牛顿-欧拉算法计算重力力矩，MotorCommandSinkOp 将命令发送至电机。三个算子被放入同一个名为 control 的分区，运行时在单线程上串行执行它们的回调，避免跨线程交接和不必要的系统调用。算子之间的队列深度为一且采用 drop-oldest 策略，确保过期样本不会堆积。
NVIDIA 使用 Nsight Systems 的 NVTX 注解测量了四种配置的延迟分布。C++ 实现绑定 CPU 后 p99.99 为 17.2 微秒，未绑定时为 86.6 微秒；Python 实现绑定后为 142.6 微秒，未绑定时为 1373.5 微秒。绑定加隔离使 C++ 的 p99.99 降低约 5 倍，Python 降低约 9.6 倍。两种实现都调用同一个 Pinocchio C++ 求解器，但 Python 在求解器前后额外承受解释器执行、对象分配和 GIL 协调的开销。
这一对比说明：在微秒级延迟预算的 CPU 控制环路中，语言运行时的开销是主要变量。对于耗时毫秒到数十毫秒的 GPU 感知工作负载，这些开销通常不那么关键，Python 仍然是实用的组合方式——前提是管线各部分以 CUDA 实现。教程代码和完整构建说明已在 Holoscan 5 SDK 仓库中公开，支持 Jetson Orin Nano、Jetson Thor 和 x86 Ubuntu 24.04。