x86 Ubuntu 仿真 + LoongArch Arch Linux 本地推理完整部署流程

目标平台x86_64（Ubuntu 22.04）+ LoongArch64（Loong ArchLinux，Loongson 3A6000）

运行方式两台机器经以太网同局域网互联：x86 跑 Webots 仿真与设备驱动，3A6000 跑 Robonix 大脑与 Ollama 本地推理

源码仓库syswonder/robonix

本文档描述以下拓扑的完整部署流程：

x86 Ubuntu          : Webots 仿真 + 设备驱动 + mapping + simple_nav
LoongArch Arch 3A6000: Robonix 大脑 (Atlas/Executor/Pilot/Liaison) + Ollama(qwen3.8:27b, AMD GPU)

示例 IP：

x86    = 192.168.100.1
3A6000 = 192.168.100.10

按你实际 IP 替换。

一、总体结构

3A6000 (192.168.100.10)
├── Ollama 服务        127.0.0.1:11434  (qwen3.8:27b)
└── rbnx boot
    ├── Atlas          0.0.0.0:50051   ← x86 驱动注册到这里
    ├── Executor       127.0.0.1:50061
    ├── Pilot          127.0.0.1:50071  → 调用 Ollama
    └── Liaison        127.0.0.1:50081

x86 (192.168.100.1)
├── Webots 容器  robonix_tiago_sim
├── tiago_camera / tiago_lidar / tiago_chassis
├── mapping (robonix-mapping 容器)
└── simple_nav

3A6000 实机：板载 AMD GPU，本地跑 Ollama 推理。

3A6000 开发板与板载 AMD GPU

二、3A6000 上：编译 + 安装 Robonix

1. 依赖

Arch Linux：

sudo pacman -S --needed base-devel git protobuf rust
rustc --version
cargo --version
protoc --version

要求 Rust 至少 1.85，能支持 edition 2024。

上面是最少需要的一组包；下面是本流程参考机器（Loongson 3A6000）上 pacman -Qqe 的完整显式安装列表，包含 ROCm、ONNX Runtime 等编译与本地推理相关包，可按需取用：

base
base-devel
clang
cython
dosfstools
efibootmgr
gcc-fortran
git
grub
libblake3
linux
linux-firmware
llvm
lsof
meson
neovim
networkmanager
ninja
nlohmann-json
ollama-rocm
onnxruntime-opt-rocm
openblas
openssh
python
python-aiohttp
python-cachetools
python-cbor2
python-cloudpickle
python-dill
python-django-ninja
python-fastapi
python-grpcio
python-huggingface-hub
python-msgspec
python-onnxruntime-opt-rocm
python-openai
python-opencv
python-orjson
python-pip
python-pkg_resources
python-prometheus_client
python-pydantic
python-pytorch-opt-rocm
python-regex
python-seaborn
python-setuptools
python-setuptools-scm
python-torchvision
python-tqdm
python-uvloop
rocm-hip-runtime
rocm-hip-sdk
rocm-opencl-runtime
rocm-opencl-sdk
rsync
rust

2. 获取代码 + 子模块

cd /root
git clone --recursive <你的-robonix-地址> robonix
cd /root/robonix

# 下面三条是相对路径，必须在 robonix 仓库根目录执行；
# 如果在 capabilities/lib/xxx 之类的子目录里执行，会拼成错误路径并报 No such file
pwd   # 应该是 /root/robonix

# 至少确保这三个子模块存在
ls capabilities/lib/common_interfaces/geometry_msgs/msg/Pose.msg
ls capabilities/lib/rcl_interfaces/rcl_interfaces/msg/Parameter.msg
ls capabilities/lib/unique_identifier_msgs/unique_identifier_msgs/msg/UUID.msg

# 如果不确定当前目录，或已经 cd 到别处，直接用绝对路径最稳：
ls /root/robonix/capabilities/lib/common_interfaces/geometry_msgs/msg/Pose.msg
ls /root/robonix/capabilities/lib/rcl_interfaces/rcl_interfaces/msg/Parameter.msg
ls /root/robonix/capabilities/lib/unique_identifier_msgs/unique_identifier_msgs/msg/UUID.msg

如果缺失：

cd /root/robonix/capabilities/lib

git clone https://github.com/enkerewpo/common_interfaces common_interfaces
git -C common_interfaces checkout --detach 0ecd0f70791fe200f057b12bfc626beb21bad639

git clone https://github.com/enkerewpo/rcl_interfaces rcl_interfaces
git -C rcl_interfaces checkout --detach 5afc90af2e217f83813935130bdfe74f46aa96bb

git clone https://github.com/ros2/unique_identifier_msgs unique_identifier_msgs
git -C unique_identifier_msgs checkout --detach 27767cefcf8a80da44641dc208c57722c28aa11c

3. LoongArch protoc 补丁

protoc-bin-vendored 没有 loongarch64 二进制，需要让 build.rs 用系统 protoc。

cd /root/robonix
python3 - <<'PY'
from pathlib import Path

files = [
    Path("system/atlas/build.rs"),
    Path("system/soma/build.rs"),
    Path("system/vitals/build.rs"),
    Path("system/liaison/build.rs"),
    Path("system/executor/build.rs"),
    Path("system/pilot/build.rs"),
    Path("tools/rbnx/build.rs"),
]

old = "    let protoc = protoc_bin_vendored::protoc_bin_path()?;\n"
new = """    // Prefer a system protoc when present (needed on architectures like
    // LoongArch where protoc-bin-vendored does not ship a binary).
    let protoc = std::env::var_os("PROTOC")
        .map(PathBuf::from)
        .map(Ok)
        .unwrap_or_else(protoc_bin_vendored::protoc_bin_path)?;
"""

for f in files:
    s = f.read_text()
    if old not in s:
        raise SystemExit(f"old not found in {f}")
    f.write_text(s.replace(old, new))
    print("patched", f)
PY

4. 编译 + install

cd /root/robonix

export PROTOC=/usr/bin/protoc
export CARGO_BUILD_JOBS=1

make install
rbnx setup /root/robonix

export PATH="$HOME/.cargo/bin:$PATH"
rbnx --version

如果 make install 太慢或并行编译不稳定，也可以用 debug 版本：

cd /root/robonix
export PROTOC=/usr/bin/protoc
cargo build --workspace -j1
export PATH="/root/robonix/target/debug:$PATH"
rbnx setup /root/robonix

三、3A6000 上：启动 Ollama（AMD GPU 本地推理）

1. 确认 Ollama + 模型

ollama list

确保有：

qwen3.8:27b

没有就：

ollama pull qwen3.8:27b

2. 保持模型常驻显存

export OLLAMA_KEEP_ALIVE=24h
ollama serve

或者 systemd：

sudo systemctl edit ollama

加入：

[Service]
Environment="OLLAMA_KEEP_ALIVE=24h"

然后：

sudo systemctl restart ollama

3. 验证 GPU 推理

ollama ps

如果显示 PROCESSOR 里有 GPU，说明 AMD GPU 生效。

4. 预热模型

curl -s http://127.0.0.1:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.8:27b",
    "messages": [{"role": "user", "content": "Reply OK"}],
    "stream": false
  }'

四、3A6000 上：启动 Robonix 大脑

创建 manifest：

mkdir -p /root/robonix/examples/ollama_webots
cat > /root/robonix/examples/ollama_webots/robonix_manifest.yaml <<'EOF'
manifestVersion: 1
name: ollama-webots-remote-core

system:
  atlas:
    listen: 0.0.0.0:50051
    log: info
  executor:
    listen: 127.0.0.1:50061
    log: info
  pilot:
    listen: 127.0.0.1:50071
    log: info
    vlm:
      upstream: ${VLM_BASE_URL}
      api_key: ${VLM_API_KEY}
      model: ${VLM_MODEL}
      api_format: openai
  liaison:
    listen: 127.0.0.1:50081
    log: info
EOF

启动：

cd /root/robonix/examples/ollama_webots
export PATH="$HOME/.cargo/bin:$PATH"

export VLM_BASE_URL="http://127.0.0.1:11434/v1"
export VLM_API_KEY="ollama"
export VLM_MODEL="qwen3.8:27b"
export ROBONIX_PILOT_VLM_IDLE_TIMEOUT_SECS=300

rbnx boot --no-update-check

保持这个终端开着。

启动效果（Atlas / Executor / Pilot / Liaison 全部拉起）：

3A6000 上 rbnx boot 的启动效果

五、x86 Ubuntu 上：安装与启动 Webots

1. 依赖

sudo apt update
sudo apt install -y \
  git curl build-essential python3 python3-pip \
  docker.io docker-compose-v2 x11-apps

# Rust
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source "$HOME/.cargo/env"

# uv
curl -LsSf https://astral.sh/uv/install.sh | sh
export PATH="$HOME/.local/bin:$HOME/.cargo/bin:$PATH"

2. NVIDIA 容器运行时（有 NVIDIA GPU）

sudo apt install -y nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

没有 NVIDIA runtime 就先用 CPU：

ROBONIX_FORCE_CPU=1 bash examples/webots/sim/start.sh --tiago-variant lite

3. 安装 rbnx

cd ~/3A6000/robonix
git submodule update --init capabilities/lib/common_interfaces \
  capabilities/lib/rcl_interfaces capabilities/lib/unique_identifier_msgs

cargo install --path tools/rbnx
rbnx setup ~/3A6000/robonix
export PATH="$HOME/.cargo/bin:$PATH"
rbnx --version

4. 启动 Webots

cd ~/3A6000/robonix
bash examples/webots/sim/start.sh --tiago-variant lite

确认容器：

docker ps | grep robonix_tiago_sim

x86 Ubuntu 22.04 上的 Webots 仿真效果：

x86 Ubuntu 22.04 上 Webots 仿真的运行效果

六、x86 上：构建并启动驱动

先设置公共环境：

cd ~/3A6000/robonix

export ROBONIX_SIM_CONTAINER=robonix_tiago_sim
export ROBONIX_SIM_ATLAS=192.168.100.10:50051
export ROBONIX_ADVERTISE_HOST=192.168.100.1
export RMW_IMPLEMENTATION=rmw_zenoh_cpp

1. 构建驱动

rbnx build -p examples/webots/primitives/tiago_camera
rbnx build -p examples/webots/primitives/tiago_lidar
rbnx build -p examples/webots/primitives/tiago_chassis
rbnx build -p examples/webots/services/simple_nav

2. 启动 camera

RBNX_INSTANCE_NAME=tiago_camera rbnx start \
  -p examples/webots/primitives/tiago_camera \
  --endpoint 192.168.100.10:50051

3. 启动 lidar

RBNX_INSTANCE_NAME=tiago_lidar rbnx start \
  -p examples/webots/primitives/tiago_lidar \
  --endpoint 192.168.100.10:50051

4. 启动 chassis

RBNX_INSTANCE_NAME=tiago_chassis rbnx start \
  -p examples/webots/primitives/tiago_chassis \
  --endpoint 192.168.100.10:50051

每条都保持前台运行，或用 tmux。

七、x86 上：启动 mapping

1. 配置

！！！！注意将下面的params_file换为实际的绝对路径！！！。

cat > ~/3A6000/robonix/examples/webots/mapping.yaml <<'EOF'
use_sim_time: true
occupancy_sources: [lidar, depth]
params_file: /home/boneinscri/3A6000/robonix/examples/webots/config/rtabmap_params.yaml

sensor_providers:
  lidar2d: tiago_lidar
  rgb: tiago_camera
  depth: tiago_camera
  odom: tiago_chassis
EOF

2. 获取 + 构建 mapping

mkdir -p ~/3A6000/robonix/examples/webots/rbnx-boot/cache
cd ~/3A6000/robonix/examples/webots/rbnx-boot/cache
git clone https://github.com/syswonder/service-map-rbnx

cd service-map-rbnx
export PATH="$HOME/.cargo/bin:$PATH"

docker tag robonix-osrf-ros:humble-desktop-full robonix-ros:humble-ros-base || true
rbnx build -p .

如果缺 grpcio-tools：

pip install grpcio-tools

3. 启动 mapping

cd ~/3A6000/robonix/examples/webots/rbnx-boot/cache/service-map-rbnx

export RBNX_INSTANCE_NAME=mapping
export RBNX_INVOCATION_CWD=/home/boneinscri/3A6000/robonix/examples/webots
export ROBONIX_ATLAS=192.168.100.10:50051
export ROBONIX_ADVERTISE_HOST=192.168.100.1
export RMW_IMPLEMENTATION=rmw_zenoh_cpp

rbnx start \
  -p /home/boneinscri/3A6000/robonix/examples/webots/rbnx-boot/cache/service-map-rbnx \
  --endpoint 192.168.100.10:50051 \
  --config /home/boneinscri/3A6000/robonix/examples/webots/mapping.yaml

等出现 Driver(CMD_ACTIVATE) → mapping ok。

八、x86 上：启动 simple_nav

先确认 simple_nav/scripts/start.sh 已经打了 advertise host 补丁：

grep -n "ADVERTISE_HOST" \
  ~/3A6000/robonix/examples/webots/services/simple_nav/scripts/start.sh

应该看到：

ADVERTISE_HOST="$(resolve_advertise_host)"
-e ROBONIX_ADVERTISE_HOST="$ADVERTISE_HOST"

启动：

cd ~/3A6000/robonix

export RBNX_INSTANCE_NAME=simple_nav
export ROBONIX_SIM_CONTAINER=robonix_tiago_sim
export ROBONIX_SIM_ATLAS=192.168.100.10:50051
export ROBONIX_ADVERTISE_HOST=192.168.100.1
export RMW_IMPLEMENTATION=rmw_zenoh_cpp

rbnx start -p examples/webots/services/simple_nav \
  --endpoint 192.168.100.10:50051

顺序必须是：

camera -> lidar -> chassis -> mapping -> simple_nav

九、验证

在 3A6000 上：

export PATH="$HOME/.cargo/bin:$PATH"
rbnx caps --server 127.0.0.1:50051

预期：

● tiago_camera  [ACTIVE]
● tiago_lidar   [ACTIVE]
● tiago_chassis [ACTIVE]
● mapping       [ACTIVE]
● simple_nav    [ACTIVE]

simple_nav 的 endpoint 必须是：

http://192.168.100.1:xxxxx/mcp/

不能是 127.0.0.1。

然后：

rbnx tools --server 127.0.0.1:50051
rbnx chat

测试：

看看前面有什么
向后移动0.2米

rbnx chat 的交互效果：

rbnx chat 的对话与能力调用效果

十、可选：Scene

如果需要“去厨房 / 去桌子旁边”这类语义导航，再在 x86 上构建并启动 Scene：

cd ~/3A6000/robonix/system/scene
export PATH="$HOME/.cargo/bin:$PATH"
rbnx build -p .

export RBNX_INSTANCE_NAME=scene
export ROBONIX_ATLAS=192.168.100.10:50051
export ROBONIX_ADVERTISE_HOST=192.168.100.1
export RMW_IMPLEMENTATION=rmw_zenoh_cpp
export ROBONIX_SCENE_FORCE=docker

rbnx start -p . --endpoint 192.168.100.10:50051

Scene 比较重，不是必需项。

常见坑

3A6000 编译必须：
```
export PROTOC=/usr/bin/protoc
```
否则 protoc-bin-vendored 没有 loongarch64 二进制。
子模块必须补齐，否则报 Pose.msg 找不到。检查时注意相对路径：ls capabilities/lib/... 只能在 /root/robonix 根目录执行；如果当前在 capabilities/lib/xxx 等子目录里执行，会拼成错误路径。不确定当前目录时，用绝对路径：ls /root/robonix/capabilities/lib/...。
Atlas 重启后，x86 上所有 provider 都要重新注册。
simple_nav 必须晚于 mapping 启动，否则报 missing map_topic。
simple_nav 的 ROBONIX_ADVERTISE_HOST 必须是 x86 的局域网 IP。

Qwen3.8 27B 是 thinking 模型，建议：

export ROBONIX_PILOT_VLM_IDLE_TIMEOUT_SECS=300

Ollama 建议：
```
export OLLAMA_KEEP_ALIVE=24h
```
避免每次都重新加载 27B 参数到 GPU。

一、总体结构​

二、3A6000 上：编译 + 安装 Robonix​

1. 依赖​

2. 获取代码 + 子模块​

3. LoongArch protoc 补丁​

4. 编译 + install​

三、3A6000 上：启动 Ollama（AMD GPU 本地推理）​

1. 确认 Ollama + 模型​

2. 保持模型常驻显存​

3. 验证 GPU 推理​

4. 预热模型​

四、3A6000 上：启动 Robonix 大脑​

五、x86 Ubuntu 上：安装与启动 Webots​

1. 依赖​

2. NVIDIA 容器运行时（有 NVIDIA GPU）​

3. 安装 rbnx​

4. 启动 Webots​

六、x86 上：构建并启动驱动​

1. 构建驱动​

2. 启动 camera​

3. 启动 lidar​

4. 启动 chassis​

七、x86 上：启动 mapping​

1. 配置​

2. 获取 + 构建 mapping​

3. 启动 mapping​

八、x86 上：启动 simple_nav​

九、验证​

十、可选：Scene​

常见坑​

一、总体结构

二、3A6000 上：编译 + 安装 Robonix

1. 依赖

2. 获取代码 + 子模块

3. LoongArch protoc 补丁

4. 编译 + install

三、3A6000 上：启动 Ollama（AMD GPU 本地推理）

1. 确认 Ollama + 模型

2. 保持模型常驻显存

3. 验证 GPU 推理

4. 预热模型

四、3A6000 上：启动 Robonix 大脑

五、x86 Ubuntu 上：安装与启动 Webots

1. 依赖

2. NVIDIA 容器运行时（有 NVIDIA GPU）

3. 安装 rbnx

4. 启动 Webots

六、x86 上：构建并启动驱动

1. 构建驱动

2. 启动 camera

3. 启动 lidar

4. 启动 chassis

七、x86 上：启动 mapping

1. 配置

2. 获取 + 构建 mapping

3. 启动 mapping

八、x86 上：启动 simple_nav

九、验证

十、可选：Scene

常见坑