rosa

引言：当火星车开口说话

想象这样一个场景：你在 JPL（NASA 喷气推进实验室）的火星试验场，面前是一台造价数百万美元的 Spot 四足机器人。过去，要查看它的传感器状态、诊断运动异常，你需要记住十几个 ROS 命令、理解复杂的节点拓扑图——这是机器人工程师才有的"独门绝技"。而现在，你只需要对着一台电脑说："帮我看看有哪些话题发布者正常但订阅者失联了？" 机器人就会自动分析、定位并汇报。

这就是 ROSA——Robot Operating System Agent，美国 JPL 实验室开源的 AI Agent 项目。它将大语言模型（LLM）的自然语言理解能力与 ROS 机器人系统的实时控制能力打通，让任何会用自然语言的人都能"驾驶"机器人。

背景：NASA JPL 的 AI 探索之路

ROSA 诞生于 2024 年，由 JPL 实验室的机器人工程师 Rob Royce 主导开发，背后还获得了 NASA SLIM（Software Lifecycle Integration and Modernization）最佳实践项目的支持。项目的技术论文已发表于 arXiv（arXiv:2410.06472），并已在 JPL 自研的 NeBula-Spot 机器人和 Nvidia IsaacSim 仿真环境中实际部署验证。

ROS（Robot Operating System）是全球最流行的机器人开发框架，ROS1 Noetic 和 ROS2 Humble/Iron/Jazzy 版本被工业机械臂、无人车、四足机器人、医疗设备等广泛应用。然而 ROS 的命令行工具（rostopic、rosnode、rosservice 等）对非专业用户极不友好，学习曲线陡峭。ROSA 的出现正是为了打破这道壁垒——让 AI 代替人类掌握 ROS 的复杂性。

核心功能：用自然语言驾驶机器人

ROSA 的使用方式极其简单：

from rosa import ROSA

llm = get_your_llm_here()  # ChatOpenAI / Azure / Anthropic / Ollama
agent = ROSA(ros_version=1, llm=llm)
agent.invoke("Show me topics with publishers but no subscribers")

Agent 接收自然语言查询后，通过 LangChain Tool Calling 机制调用 ROS 系统工具，完成信息检索、状态诊断乃至操作指令。整个过程对用户透明——你不需要知道背后调用了 rostopic 还是 rosnode，Agent 会自动规划。

核心能力包括：

• 实时诊断：查询 ROS 图谱（节点、话题、服务、参数），发现"有发布者无订阅者"等异常拓扑
• 系统理解：列出所有活跃节点、话题类型、消息结构，无需记忆命令
• 操作执行：通过 ros2 子命令执行运行时操作（如启动节点、设置参数）
• 日志分析：读取并解读 ROS 日志文件

ROSA 还提供了可扩展的工具系统。除了内置的 Calculation（计算）、Log（日志）、System（系统）工具外，ROS1/ROS2 各有一套专属工具集，支持命名空间过滤、正则匹配、黑名单排除等高级功能。

技术架构：LangChain Agent 的机器人化改造

ROSA 的代码架构清晰，可分为三层：

接口层：ROSA 类（rosa.py，~500 行）负责整体编排。它接收 ros_version（1 或 2）和 LLM 实例，内部创建 LangChain AgentExecutor、初始化 ROSATools 工具集、挂载 ChatPromptTemplate 提示模板。

Agent 层：基于 LangChain 的 create_tool_calling_agent 构建，这是 LangChain 推荐的 Tool Agent 范式。相比 ReAct（Reason + Act）范式，Tool Calling 对 LLM 的函数调用能力要求更高，但执行路径更确定性。系统提示词（system_prompts）定义 Agent 的角色定位——它是一个专业、谨慎的机器人系统助手，而非通用聊天机器人。

工具层：ROSATools（tools/__init__.py）采用模块化注册机制。工具函数使用 @tool 装饰器标记，通过 dir(package) 动态扫描注入。inject_blacklist 装饰器是项目的一个工程亮点——它绕过 LangChain 的限制，在函数签名中动态注入黑名单参数，确保 Agent 不会操作被排除的节点/话题，这是纯声明式无法实现的hack。

# 工具注册机制（简化）
class ROSATools:
    def __init__(self, ros_version: Literal[1, 2], blacklist):
        from . import calculation, log, system
        self.__iterative_add(calculation)   # 默认工具
        self.__iterative_add(log)
        self.__iterative_add(system)
        if ros_version == 1:
            from . import ros1
            self.__iterative_add(ros1)      # ROS1 专属工具
        else:
            from . import ros2
            self.__iterative_add(ros2)      # ROS2 专属工具

工具实现层面，ROS1 工具直接调用 rostopic、rosnode、rosparam、rosservice 等 Python API；ROS2 工具则通过 subprocess 执行 ros2 CLI 命令（ros2 topic list、ros2 node list 等），再解析输出。两种实现路径反映了 ROS1/ROS2 在 API 层面的设计差异。

异步支持：除同步 invoke() 外，ROSA 还提供了 astream() 异步流式接口，可实时 yield token、工具调用开始/结束等事件，适合构建交互式前端。

部署体验：开箱即用的 Docker 方案

ROSA 提供了开箱即用的 Docker 容器方案，基于 osrf/ros:noetic-desktop 镜像，内置 Turtlesim 仿真环境和 ROSA 本身。开发者可通过 --build-arg DEVELOPMENT=true 构建开发镜像，安装本地 editable 版本；生产部署则使用预编译的 jpl-rosa pip 包。

裸机安装同样简单：

pip3 install jpl-rosa
# 需要 Python 3.9+ 和 ROS Noetic / ROS2 Humble+

容器采用多阶段构建（multi-stage build），分离了依赖安装和运行时环境，镜像体积优化合理。唯一的门槛是需要有可用的 ROS 环境——没有 ROS，ROSA 就是无根之木。

无 GPU 依赖、无特殊硬件要求，普通开发机即可运行。

局限与挑战

ROSA 也有明显的局限。首先，它本质上是一个信息检索 Agent，能做诊断和分析，但直接操控机器人（发送运动指令）需要谨慎配置黑名单，否则 Agent 可能执行意外命令。其次，高度依赖 LLM 的工具调用能力，不支持 tool calling 的模型（如 GPT-3.5 早期版本）无法使用。再次，ROS2 工具通过 subprocess 调用 CLI，解析结构化文本输出的健壮性不如直接调用 Python API。

此外，项目暂不支持 Web UI，完全命令行交互，非技术用户有一定上手门槛。

行业意义与趋势

ROSA 的出现反映了机器人领域的一个大趋势：AI Agent 正在成为人机交互的新界面。过去需要专业培训才能操作的复杂系统（ROS、Kubernetes、数据库），正在被 LangChain/ReAct 范式的 Agent 逐渐"汉化"。JPL 将其开源，既是技术验证，也是社区共建——期待更多开发者贡献 ROS2 工具、集成视觉/语音模态。

从 MLOps 视角看，ROSA 是一个典型的"AI + 垂直领域"落地案例：它不追求通用AGI，而是深耕 ROS 生态，用 LLM 解决"专业知识到自然语言的最后一公里"问题。这种专注反而比通用方案更容易获得实际采用。

图1：NASA JPL 实验室（GitHub Avatar）

总结

ROSA 是 NASA JPL 面向机器人开发者开源的 LLM Agent 工具，通过自然语言查询大幅降低 ROS 系统诊断和操作的门槛。项目基于 LangChain Tool Calling 架构，代码质量高、文档完善，支持 ROS1/ROS2 双版本，Docker 部署开箱即用。适合有 ROS 基础的机器人开发者、AI/ML 研究者以及希望用自然语言控制机器人的科研团队。