赛题题目：面向智能机器人的AIOS（高校赛题）

赛题说明：

AI大小模型、具身智能等技术飞速发展，推动了AIoT、无人系统、机器人从实验室走向复杂应用场景。常见的机器人应用集成了高频视觉感知、实时决策与运动控制，对系统的实时性与资源利用率提出了很高要求。然而，当前此类应用主要基于 Linux 等通用操作系统构建。尽管 Linux 凭借丰富的驱动与软件生态降低了开发门槛，但其通用架构带来的冗余服务开销、长执行路径开销、复杂调度开销以及大容量内存需求开销等，逐渐成为制约机器人端到端性能（如延迟、抖动）的瓶颈。在边缘算力受限的场景下，如何在内核和系统层面设计并实现深度定制、灵活组合、跨层优化等关键技术，释放硬件的极致性能，突破通用Linux内核的限制，成为面向智能机器人的新型智能操作系统的重要课题。

赛题要求：

• 总体要求：参赛队伍将开源智能机器人（基于 RK3588/SG2002处理器开发板）的操作系统内核从 基于C语言的Linux 完整迁移至基于Rust语言的组件化操作系统内核。在此基础上，实现或补全系统调用、文件接口、关键外设驱动（NPU/USB/UART/摄像头等），打通 基于NPU的推理链路，并通过内核级的调度/内存管理优化与模型轻量化手段，在性能（端到端延迟、启动速度、推理帧数）、硬件资源消耗与能耗比等方面超越 Linux 基线。
• 第一阶段要求：将基于Rust语言的组件化操作系统内核，如StarryOS等，在rk3588/sg2002开发板上启动，之后运行开源机器人程序，在rk3588/sg2002开发板上的npu需要将模型进行识别加载推理，启动后若遇到相关问题需要进行解决，完成基本的模型加载。
• 第二阶段要求：实现或者完善基于Rust语言的组件化操作系统内核，如StarryOS等的USB等驱动能够支持机器人机械臂的感知，实现机器人的串口支持机械臂电机驱动，完成加载模型成功拾取网球等物体。
• 第三阶段要求：对照Linux基线的功能实现，优化基于Rust语言的组件化操作系统内核，如StarryOS等，在项目中的性能表现包括但不限于模型推理效果，功耗，启动延迟等，能够达到基于基于Rust语言的组件化操作系统内核，如StarryOS内核等的开源网球拾取机器人在性能、资源消耗和能耗上优于基于Linux内核的开源网球拾取机器人。 学生可以参考以下几个优化的方向：系统加电后的启动速度，识别网球的距离/准确度，推理一帧所需时间，机械臂的定位和抓取速度，以及对系统资源（内存）的消耗等。

评分细则（明确评审角度、标准和分值范围）：

• 系统架构与底层创新性（30分）：框架设计的合理性、对AI模型、AI Agent的支持，以及技术实现难度。
• 可靠性与完成任务能力（30分）：加载了基于Rust语言的组件化操作系统和AI应用的rk3588/sg2002移动抓取机器人在完成多次移动抓取任务上的稳定性和准确度。
• 执行效率与性能开销（20分）：基于Rust语言的组件化操作系统和相关AI应用的rk3588/sg2002移动抓取机器人与基于Linux和相关AI应用的rk3588/sg2002移动抓取机器人在完成同样移动抓取任务上的执行效率。
• 代码规范与开源生态贡献（20分）：提交的系统镜像（ROM）、自动化编译脚本、设计报告、测试文档是否完整；方案是否具备良好的跨平台或跨版本迁移潜力 。

赛题联系人：

陈老师 yuchen@tsinghua.edu.cn

参考资料：

• https://github.com/rcore-os/tgoskits ：基于Rust的操作系统内核组件集合
• https://github.com/rcore-os/tgoskits/tree/dev/os/StarryOS ：兼容Linux Syscall&基于Rust的Starry宏内核
• https://opencamp.cn/os2edu/camp/2026spring ：2026 春夏季开源操作系统训练营。
• https://opencamp.cn/AI4OSE/camp/2026s ：2026春夏季AI4OSE训练营
• https://opencamp.cn/ChenLongOS/camp/2026S ：2026 春季辰龙操作系统训练营
• https://opencamp.cn/ChenLong/camp/S2 ：辰龙机器人 2026 夏季训练营

参赛资源支持：

建议参赛队伍基于QEMU虚拟机环境进行前期实验，并在比赛期间及时联系赛题联系人获取sg2002/rk3588开发板和sg2002/rk3588机器人进行开发。