FlowEngine

面向自动驾驶与机器人的仿真优先中间件框架 —— C11 内核、C++20 协程外壳、插件化架构。

定位： FlowEngine 是一个仿真优先、可复现的实验平台。核心能力——感知、融合、规划、控制、学习—— 首先在仿真内被运行、观察、测试、回放与评分；通过纯逻辑单测、schema 迁移与统一时间戳语义，逐步向真车部署演进。当前阶段不追车规量产认证，已提供 RC 小车硬件落地清单，详见 docs/RC_CAR_HARDWARE_CHECKLIST.md。

FlowEngine 是什么

一个从零搭建的中间件框架，灵感来自 Apollo CyberRT，以轻量、可嵌入的包提供核心抽象。目标是可组织、可观察、可测试、可回放、可评估——全部在仿真内：

层	模块
通信	Message Bus（发布/订阅 + 请求/应答 + 零拷贝）、IPC（SHM）、TCP Transport、Network Transport
执行	Coroutine Scheduler（FIFO + CPU 亲和 + 限频）、Choreo DAG 模式、可取消协程原语（发布/订阅 · select · timer · req-reply，含超时与优雅取消）
内省	反射式状态机、UDP 服务发现、拓扑追踪、SysMonitor
元信息	FlowRegistry（tasks/topics/types/plugins/schemas）、ParamRegistry（int/float/bool/string，支持热重载）
数据	类型安全序列化（IDL + 代码生成）、Bag v2 录制/回放、MCAP 格式、数据融合（EKF）、Schema 校验；全链路 `timestamp_us` 统一为 `uint64`（GNSS 采集时刻优先、主机钟回退）
QoS	Per-topic QoS（深度 + 丢弃策略 + deadline + reliability）、Topic 统计（频率、延迟 p50/p99、订阅者）
感知	DBSCAN LiDAR 聚类、Kalman 跟踪、EKF 传感器融合、NMEA 0183 GPS 解析器（RMC/GGA，GNSS UTC → epoch μs 采集时刻）、IMU ASCII 行解析、nuScenes 数据集加载器
规控	行为 FSM（跟车/变道/让行/掉头）、Frenet 最优轨迹、ST 图 + DP 速度规划（红灯墙/动态障碍/曲率限速）、N 把方向掉头与泊车（ManeuverTracker）、Stanley 横向（可选 LTV MPC）+ PID/ACC 纵向
安全	基于 FlowCoro 协程的安全包络（TTC / 横向交叉 / 行人保护）
运维	统一日志器（毫秒时间戳）、flowctl CLI、FlowBoard Dashboard（Three.js 3D + 2D）、flowmond 监控守护进程（IPC 桥接 + 文件桥接）、跨进程 IPC Stats Bridge + Topic Bridge、CI/CD
学习	仿真内学习闭环：数据采集 → 离线训练（tiny-MLP / PyTorch）→ DAgger 自我对弈回灌 → PPO 强化学习（换老师路线）→ ONNX 导出 + 等价性门禁 → 影子评估 + promote 门禁 + 模型 OTA 与 A-B 对比。详见 docs/LEARNING_LOOP.md

架构

┌──────────────────────────────────────────────────────────────────────┐
│                        FlowEngine Core (C11)                          │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────┐ │
│  │ Message  │ │   IPC    │ │   Bag    │ │  Clock   │ │   State    │ │
│  │   Bus    │ │  (SHM)   │ │ (v2/MCAP)│ │ Service  │ │  Machine   │ │
│  └──────────┘ └──────────┘ └──────────┘ └──────────┘ └────────────┘ │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────┐ │
│  │ Flow     │ │  Param   │ │ Discovery│ │ Serializer│ │   Task     │ │
│  │ Registry │ │ Registry │ │  (UDP)   │ │(IDL+FNV) │ │  Manager   │ │
│  └──────────┘ └──────────┘ └──────────┘ └──────────┘ └────────────┘ │
├──────────────────────────────────────────────────────────────────────┤
│                     FlowEngine Shell (C++20)                          │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────┐ │
│  │ Coroutine│ │Scheduler │ │  Fusion  │ │Transport │ │  Network   │ │
│  │  Tasks   │ │(Choreo)  │ │ (EKF)    │ │(TCP/IPC) │ │  Transport │ │
│  └──────────┘ └──────────┘ └──────────┘ └──────────┘ └────────────┘ │
├──────────────────────────────────────────────────────────────────────┤
│                     ADAS Pipeline (dlopen plugins)                     │
│  flowsim → sensor_model → perception → object_tracker → fusion       │
│    → behavior_planner ⇄ navigation → planning → control              │
│    → safety_control → monitor                                        │
│  旁路: inference / data_recorder / learner / model_ota（学习闭环）     │
└──────────────────────────────────────────────────────────────────────┘
                                                                         │
                      ════════════════════┼════════════════════
                                         │
                          ┌──────────────▼─────────────────────┐
                          │  flowmond 监控守护进程 :8800          │
                          │  IPC 桥接（首选）：stats_bridge /      │
                          │    dashboard_bridge → IPC SHM          │
                          │  文件桥接（回退）：轮询                 │
                          │    /tmp/flow_topology.json             │
                          │  → 托管 flowboard/index.html 前端       │
                          └────────────────────────────────────────┘

可视化链路： 由统一的 C 监控守护进程 flowmond 提供 HTTP 仪表盘，同时启用 IPC 桥接（首选）与文件桥接（回退）两条等价数据链路，按可用性自动回退。详见 docs/VISUALIZATION_ARCHITECTURE.md。

快速开始

git clone https://github.com/caixuf/FlowEngine.git && cd FlowEngine

# 一键演示（构建 + 运行，默认 15s）
bash scripts/demo.sh

# 或手动构建
bash build.sh release

入口： flow_launcher config/pipeline.json 是运行 pipeline 的标准、配置驱动方式（每个节点都是 dlopen 加载的 .so 插件）。

Windows（实验性原生支持）

Windows 原生路径优先支持 单进程插件模式（等价默认 demo）。--multi 依赖 POSIX fork + SHM IPC，Windows 下会明确拒绝；参数 AF_UNIX bridge、训练/ops 的 fork 子进程 bridge 也会降级为不可用。flowcoro 节点使用 header-only rt_executor 路径；epoll/eventfd 版 flowcoro_net 不进入 Windows 默认构建，主仿真与 FlowBoard dashboard 不受影响。

# 需要 CMake + Visual Studio Build Tools（可配 Ninja 使用）
powershell -ExecutionPolicy Bypass -File scripts\demo.ps1 -Duration 15 -NoBrowser

# 或手动
cmake --preset windows-ninja
cmake --build --preset windows-ninja
cmake -S modules\adas_nodes -B build-win\modules\adas_nodes -DFLOWENGINE_BUILD="$PWD\build-win"
cmake --build build-win\modules\adas_nodes --config Release
build-win\bin\flow_launcher.exe config\pipeline.json --duration 15

mingw-w64 交叉编译（Linux → Windows，CI 门禁用）

除 MSVC 原生构建外，核心工程也可在 Linux 上用 mingw-w64 交叉编译出原生 Windows PE 二进制。这是 Windows 目标的可复现回归门禁（CI 无需 Windows runner 即可拦截 _WIN32 路径 / 兼容层编译回归，见 build-windows-mingw job）：

sudo apt-get install -y gcc-mingw-w64-x86-64 g++-mingw-w64-x86-64 ninja-build

cmake -S . -B build-mingw -G Ninja \
      -DCMAKE_TOOLCHAIN_FILE=cmake/mingw-w64-x86_64.cmake \
      -DCMAKE_BUILD_TYPE=Release
cmake --build build-mingw -j
file build-mingw/bin/flow_launcher.exe   # → PE32+ executable ... for MS Windows

交叉编译覆盖核心工程（flow_launcher / flowmond / flowctl / 总线 / IPC / bag 等）；modules/adas_nodes 的 flowsim_node 依赖 esmini RoadManager，需先构建 esmini（或在 Windows 上用预构建库）。兼容层实现见 include/platform_compat.h（_WIN32 段）与 include/compat_win/（POSIX 头平替）。

新手最短路径（复制即可跑）

# 1) 跑一次 demo（验证环境）
bash scripts/demo.sh --no-browser 15

# 2) 一键学习闭环：采集 -> 训练 -> 影子评估
python3 tools/learning_loop.py --collect 30 --eval-duration 30

# 3) 只重跑影子评估并自动晋级（promote gate）
python3 tools/learning_loop.py --eval-only <模型目录名> --eval-duration 30 --promote

# 4) 产部署包（用于非开发机）
bash scripts/deploy.sh --package

# 5) 解包后一键启动（包内脚本）
bash share/flowengine/scripts/quickstart.sh 15

演示

bash scripts/demo.sh 30     # 30 秒演示

# 其他模式
bash scripts/demo.sh --multi      # 多进程模式（各节点独立 fork+exec）
bash scripts/demo.sh --record     # 录制 Bag 文件
bash scripts/demo.sh --no-browser # 不打开浏览器
bash scripts/demo.sh --start-s 2700 --start-d -1.75  # 从 route 指定位置起跑

# Windows 原生单进程模式
powershell -ExecutionPolicy Bypass -File scripts\demo.ps1 -Duration 30

  ╔══════════════════════════════════════════════════════════╗
  ║                                                          ║
  ║   ███████╗██╗      ██████╗ ██╗    ██╗                  ║
  ║   ██╔════╝██║     ██╔═══██╗██║    ██║                  ║
  ║   █████╗  ██║     ██║   ██║██║ █╗ ██║                  ║
  ║   ██╔══╝  ██║     ██║   ██║██║███╗██║                  ║
  ║   ██║     ███████╗╚██████╔╝╚███╔███╔╝                  ║
  ║   ╚═╝     ╚══════╝ ╚═════╝  ╚══╝╚══╝                   ║
  ║                                                          ║
  ║   E N G I N E                                           ║
  ║   面向自动驾驶的轻量级中间件                              ║
  ║                                                          ║
  ╚══════════════════════════════════════════════════════════╝

  ┌─ FlowSim ─→  Perception ─→  Fusion  ─→  Planning ─→  Control ┐
  │  dynamics      DBSCAN          EKF          Frenet       PID     │
  └──────────────────────────────────────────────────────────────────┘

  ⏱ 15s  |  pub=133 del=239 lat=141µs speed=11.2m/s

FlowBoard 实时仪表盘 —— 拓扑图、3D 场景、帧监控、延迟图表。演示期间打开 http://localhost:8800。

实时服务：

服务	端口	说明
FlowBoard Dashboard	`:8800`	实时仪表盘（3D + 2D + D3 拓扑）
Foxglove 3D Bridge	`:8765`	Foxglove Studio WebSocket 桥接

Pipeline

默认配置（config/pipeline.json）启动 15 个插件节点，默认场景为直路导航（scenarios/straight_road.json，3000m 双向 4 车道，含 NPC/行人/红绿灯/路尾掉头）：

节点	插件 (.so)	频率	功能
`flowsim`	`libflowsim_node.so`	60Hz	车辆动力学 + NPC（IDM）+ 场景加载 + 真值发布
`sensor_model`	`libsensor_model.so`	20Hz	LiDAR/GPS/Camera 传感器模型（FOV/遮挡/噪声）
`perception`	`libperception_node.so`	10Hz	DBSCAN 点云聚类 + 目标检测
`object_tracker`	`libobject_tracker.so`	20Hz	卡尔曼多目标跟踪
`fusion`	`libfusion_node.so`	20Hz	EKF 传感器融合（定位 + 时间对齐）
`behavior_planner`	`libbehavior_planner.so`	10Hz	8 状态 FSM 行为决策（跟车/变道/停车/让行/掉头）
`navigation`	`libnavigation_node.so`	10Hz	路由步骤 + 行进方向（消费 `ref_path.reverse`）
`planning`	`libplanning_node.so`	20Hz	Frenet 轨迹 + ST 图 DP 速度规划 + N 把方向掉头
`control`	`libcontrol_node.so`	20Hz	Stanley 横向（可选 LTV MPC）+ PID/ACC 纵向 + ManeuverTracker 机动
`safety_control`	`libsafety_control_node.so`	协程	FlowCoro 安全闸门（TTC / 横向交叉 / 行人保护 / MRM）
`inference`	`libinference_node.so`	20Hz	tiny-MLP/ONNX 影子推理（shadow mode，不执行）
`data_recorder`	`libdata_recorder_node.so`	20Hz	训练样本采集（模仿学习 JSONL）
`learner`	`liblearner_node.so`	0.5Hz	车端增量 SGD 微调（full/partial）
`model_ota`	`libmodel_ota_node.so`	1Hz	模型 OTA + 版本管理 + A-B 对比
`monitor`	`libmonitor_node.so`	10Hz	系统监控 + 仪表盘 JSON 导出

CLI

flowctl list tasks              # 注册任务列表
flowctl list topics             # 所有 topic 及统计
flowctl graph                   # ASCII 拓扑
flowctl state <task>            # 状态机状态
flowctl topic stats <topic>     # 单 topic 延迟/吞吐
flowctl bag info <file>         # Bag 元信息
flowctl schema <type>           # 类型定义
flowctl dashboard               # 启动 FlowBoard
flowctl version                 # 构建信息
flowctl param list              # 参数列表
flowctl param get <name>        # 获取参数

其他工具：

二进制	说明
`flow_launcher`	配置驱动 pipeline 启动器（dlopen 加载插件）
`flowmond`	监控守护进程（HTTP 仪表盘 + IPC 桥接 + 自动重连）
`flow_node_host`	单节点插件宿主进程（用于多进程 fork+exec 模式）
`flow_mcap_replay`	MCAP 回放工具
`flow_bag`	Bag 录制/回放 CLI
`flow_e2e`	端到端演示二进制

可视化

可视化由统一的 C 监控守护进程 flowmond 提供，同时启用 IPC 桥接（首选）与文件桥接（回退）两条数据链路。前端 tools/flowboard/index.html 由 flowmond 通过 --html-path 加载并托管。

3D 场景基于 vis/ 模块树（Layer + ViewRegistry 插件化，受 Qt 对象树启发）：

插件化 View：ground/road/viaduct/vehicle/npc/streetlight/barrier/obstacle 等独立 View，单个 View 抛错不影响整体渲染；
Layer 树：env/road/agent/infra 4 个语义层递归 update；
车辆渲染：优先加载 glTF（SU7 海湾蓝金属漆），回退程序化几何体；
渲染管线：PMREM 环境贴图烘焙 + ShaderMaterial 渐变天空 + Fog 地平线融合 + PCFSoft 阴影 + ACESFilmic tone mapping；
高架 wrap：wrap 周期与高架实际 build 长度强制一致，消除 500m/1000m 接缝。

详见 docs/VIS_MODULE_GUIDE.md 与 docs/TROUBLESHOOTING_3D_DASHBOARD.md。

FlowBoard 界面按用途分三个工作区（顶部导航切换，记忆上次选择）：

工作区	内容	典型用途
Observe 观察	3D 场景 + 节点拓扑图	看车跑得对不对
Analyze 分析	QoS 统计 / 消息矩阵 / 实时图表	查频率掉没掉、延迟高不高
Operate 操作	训练中心 + Ops 控制台	点按钮跑学习闭环、回灌 bag

Ops 控制台（侧栏「Ops Console」或 Operate 工作区进入）支持免命令行操作：

Bag 回灌：选 bag 文件 → 开始回灌 → 实时看日志 → 停止；
学习闭环：一键「仅影子评估」或「采集→训练→评估」完整闭环；
训练中心：查看模型列表 / shadow_eval 得分 / 一键晋级 runtime 模型。

# 终端 1：监控守护进程（加载前端，启用 IPC 桥接 + 文件桥接回退）
./build/bin/flowmond --html-path tools/flowboard/index.html

# 终端 2：运行 pipeline（写 /tmp/flow_topology.json + 发布 IPC 统计）
./build/bin/flow_launcher config/pipeline.json --duration 3600

# 打开浏览器
open http://localhost:8800

仪表盘端点：

路径	说明
`/`	实时 FlowBoard UI（3D 场景 + 拓扑 + 图表）
`/api/topics`	Per-topic 统计（频率/延迟/订阅者）
`/api/topology`	拓扑 JSON（节点 + 边 + 指标）
`/api/stream`	SSE 实时推送（500 ms 间隔）
`/api/health`	健康检查
`/api/training/status`	学习任务状态与模型列表（modelctl bridge）
`/api/training/start`	启动训练任务（POST）
`/api/training/promote`	晋级 tiny 模型到 C runtime（POST）
`/api/ops/status`	Ops Console 任务状态（bag 回灌 / learning_loop）
`/api/ops/run`	Ops Console 操作入口（POST）

绑定地址： flowmond 默认监听 127.0.0.1（回环）。如需远程访问，使用 flowmond --bind 0.0.0.0（或设置 FLOWMOND_BIND_ADDR=0.0.0.0）。

Docker

docker build -t flowengine .
docker run --rm flowengine          # 运行 e2e 演示
docker run --rm flowengine demo 30  # 30 秒演示

从源码构建

平台支持： Linux（Ubuntu，主力/CI）与 macOS 原生（Apple Silicon / Intel）。两者共用同一套源码，平台差异由兼容层 include/platform_compat.h 与 CMake 的 if(APPLE) 分支收口，Linux 行为零变化。

依赖	版本
编译器	Linux: GCC 11+（`-fcoroutines`）／macOS: Apple clang（`-std=c++20` 原生协程，无需 `-fcoroutines`）
CMake	3.16+
libcjson	任意版本（Linux `apt install libcjson-dev`；缺失时自动 FetchContent 源码构建，macOS 无需手动安装）
libeigen3	3.3+（Linux `apt install libeigen3-dev`；缺失时自动 git 拉取）—— Frenet 规划器必需（变道/超车）；缺失时 `planning_node` 会静默回退到仅车道保持
Python	3.8+（代码生成与仪表盘）
libprotobuf-c（可选）	用于 protobuf 支持

cmake -S . -B build -DCMAKE_BUILD_TYPE=Release
cmake --build build -j$(nproc)   # macOS 用 -j$(sysctl -n hw.ncpu)

# 或一键构建（脚本自动探测核数与编译器，Linux/macOS 通用）
bash build.sh release

macOS 快速开始

无需 Docker，原生跑通：

# 依赖仅需 cmake（cjson/eigen 会自动 FetchContent，无需 Homebrew）
brew install cmake              # 可选：若系统已装可跳过

bash scripts/demo.sh           # 一键构建 + 运行 + 打开浏览器
# 浏览器手动打开 http://localhost:8800（脚本也会用 `open` 自动打开）

macOS 已知限制（均只影响非默认路径，默认单进程 dlopen demo 功能完全对齐）：

--multi 多进程模式的 robust-mutex 崩溃自愈降级为普通 mutex（macOS 无 PTHREAD_MUTEX_ROBUST；单机 demo 不触发该路径，共享状态另有 seq 号自愈）；

benchmark 二进制不构建（macOS 无名信号量 sem_init 已废弃）；

CAN/I2C 执行器走 dry-run（<linux/can.h>/<linux/i2c-dev.h> 为 Linux 专属）；

无线程 CPU 亲和性绑定（macOS 无用户态线程 affinity API，pin_cpu 被静默忽略）。

安装

sudo cmake --install build

# 验证
pkg-config --cflags --libs flowengine
flowctl version

安装完成后，按需引入各公共头文件：

#include "task_interface.h"  /* 任务接口（TaskBase / TaskInterface） */
#include "message_bus.h"     /* 消息总线 */
#include "transport.h"       /* 传输层（local/IPC/TCP） */

插件系统

FlowEngine 采用基于 dlopen 的插件架构。每个 pipeline 节点是一个共享库（.so），由 flow_launcher 在运行时加载。节点之间仅通过 Message Bus 通信—— 节点之间没有直接函数调用。

// C 插件 —— dlopen 兼容 ABI
#include "task_interface.h"

typedef struct { TaskBase base; int param; } MyTask;

static int my_execute(TaskBase* base) {
    while (!base->should_stop) {
        /* 业务逻辑 */
        sleep(1);
    }
    return 0;
}

static TaskInterface vtable = { .execute = my_execute };

TaskBase* create_task(const TaskConfig* cfg) {
    MyTask* t = calloc(1, sizeof(MyTask));
    task_base_init(&t->base, &vtable, cfg);
    return &t->base;
}

配置驱动启动

{
  "scheduler": { "mode": "choreo" },
  "processes": [{
    "name": "perception",
    "library_path": "build/lib/libperception_node.so",
    "auto_start": true,
    "subscribe": ["vehicle/state"],
    "publish": [{ "topic": "perception/obstacles", "type": "ObstacleList" }],
    "params": "{\"frequency_hz\":10.0}"
  }]
}

./build/bin/flow_launcher config/pipeline.json

场景套件

scenarios/ 提供 13 个场景 + 1 个场景矩阵（suite.json，故障表中每类高频 bug 至少一个场景兜底）：

场景	覆盖
`straight_road.json`（默认）	直路导航：3000m 双向 4 车道，NPC/行人/红绿灯，路尾物理掉头到对向车道
`curve_road.json`	S 弯（Hermite 平滑）：曲率限速 + MPC kappa 前馈
`dense_npc.json`	密集 NPC：跟车 / 变道决策 / 变道纠结回归
`lane_change_traffic.json`	密集车流 + NPC MOBIL 自主变道下的规控鲁棒性
`multi_light.json`	连续 3 盏错相红绿灯：红灯闯行 / 停稳不走闭锁 / 绿灯卡死
`oncoming.json`	对向会车：迎头误判 / 幽灵刹车回归
`urban_challenge.json`	城市综合：急刹 + 行人横穿 + 红绿灯 + cut-in
`auto_parking.json` / `right_turn_side_parking.json`	自动泊车 / 右转支路 + 路侧车位
`traffic_rules_exam.json` ~ `safe_driving_exam.json`	驾考科目一~四：交规 / 侧方停车 / 道路驾驶 / 安全文明

场景矩阵回归见 ci/evaluators/scenario_regression.py（与基线对比），单次运行在线评分见 ci/evaluators/demo_evaluator.py。

学习闭环

FlowEngine 实现了完整的车端学习闭环：

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│  data_recorder│───▶│  离线训练      │───▶│  inference    │
│  (JSONL 采样)  │    │  train.py     │    │  (tiny-MLP)   │
│  20Hz         │    │  train_e2e/   │    │  shadow mode  │
└──────────────┘    │  (PyTorch)    │    └──────┬───────┘
                    └──────────────┘           │
                                              ▼
                    ┌──────────────┐    ┌──────────────┐
                    │  model_ota   │◀───│   learner    │
                    │  (A-B 对比)   │    │  (SGD微调)    │
                    └──────────────┘    └──────────────┘

Stage 0: data_recorder_node — 采集人类/规则驾驶样本（JSONL）
Stage 1: 离线训练 — tools/train_demo_model.py（顶层入口，调度 tools/train_e2e/{train,torch_train,temporal_train}.py）；进阶：DAgger 自我对弈回灌（模型犯错帧回灌训练集）、PPO 强化学习换老师路线（tools/train_e2e/rl_ppo.py，4-seed 验证）
Stage 2: inference_node — tiny-MLP/ONNX 影子推理（ONNX 导出带数值等价性门禁），与规则控制器并行评估
Stage 3: learner_node — 车端增量 SGD 微调（全量/部分更新）
Stage 4: model_ota_node — 模型版本管理 + A-B 效果对比 + 动态切换

详见 docs/LEARNING_LOOP.md。

推荐命令（Phase 2 已打通）：

# 一键：采集 -> 训练 -> 影子评估（结果写 runs/ 和 models/<name>/shadow_eval.json）
python3 tools/learning_loop.py --collect 30 --eval-duration 30

# 用已有模型只做影子评估（刷新 shadow_eval.json）
python3 tools/learning_loop.py --eval-only <name_or_dir> --eval-duration 30

# 评估达标后自动晋级到 runtime 模型
python3 tools/learning_loop.py --eval-only <name_or_dir> --eval-duration 30 --promote

# 查看当前 runtime 与 artifact
python3 tools/modelctl.py list

门禁规则（modelctl promote）：

必须有 shadow_eval.json
evaluator_result 必须 PASS
shadow_speed_mae <= 2.0
shadow_n >= 50
评估年龄 <= 7 天

回归评估器

# 运行演示 + 自动评分：拓扑、碰撞、冲出路面、停滞、yaw 抖动
python3 ci/evaluators/demo_evaluator.py --duration 45

# 分析上次运行（不重新启动）
python3 ci/evaluators/demo_evaluator.py --no-run

# 全场景套件与基线对比
python3 ci/evaluators/scenario_regression.py --baseline

# 秒级离线管道完整性（先跑这个再跑长测）
python3 tools/pipeline_check.py

评估器在演示运行期间采样 /tmp/flow_topology.json 并检查：拓扑边、topic 频率、碰撞事件、冲出路面、车辆停滞、变道次数、yaw/steer 振荡、 NPC 瞬移跳变以及消息丢帧。对 pipeline 链路做任何改动后都应运行它。

测试与 CI

任务	状态	说明
Release	✅	gcc -O2，单元测试
Debug	✅	gcc -g，单元测试
ASAN	✅	Address Sanitizer
UBSAN	✅	Undefined Behavior Sanitizer
Stress	✅	15s 全速率 pipeline
Integration	✅	多节点 pipeline + ctest
Coverage	✅	lcov 报告
Viz	✅	flowmond 仪表盘冒烟测试 + FlowBoard 前端测试
Evaluator	✅	45s 回归评估器（PR 门禁）
Scenario Regression	🌙	全场景套件与基线对比（nightly/手动）
Nightly Stability	🌙	长时间运行（仅调度）

TSAN 当前禁用 — 协程 + 无锁内存池的跨线程同步模式对 TSAN 产生大量假阳性，待协程生命周期稳定后重新启用。

Skills（深度教程）

Skill	主题
01 — OOP in C	C 语言面向对象编程
02 — Plugin System	dlopen 插件架构设计
03 — Message Bus	零拷贝 Pub/Sub 总线
04 — IPC Channel	POSIX SHM 进程间通信
05 — Bag Recording	Bag v2 录制与回放
06 — Clock Service	时钟服务与时间管理
07 — Serializer	IDL 代码生成与序列化
08 — State Machine	反射式状态机
09 — Discovery	UDP 服务发现
10 — Fusion	EKF 传感器融合
11 — Coroutine	C++20 协程调度
12 — Demo Evaluator	回归评估器设计
13 — E2E Learning Loop	车端学习闭环
14 — Dead Reckoning	前端航位推算
15 — SocketCAN Actuator	SocketCAN 执行器
16 — FlowSim Scenario Design	仿真场景设计
17 — Vis Module Designer	vis 模块设计（Layer + ViewRegistry 插件化）

文档

📖 完整文档索引见 docs/README.md —— 按主题分组的全部文档 + 17 篇教程入口。

文档	主题
Quick Start	30 分钟教程
Technical Design	架构设计
API Quick Reference	C API 参考
Simulation Guide	仿真测试指南
Visualization Architecture	flowmond + vis/ 模块树（Layer + ViewRegistry + Qt 对象树）
Vis Module Guide	vis/ 模块接口契约 + 设计 AI 提示词模板
Monitoring Architecture	flowmond + stats bridge
Pipeline Architecture	Pipeline 设计
Algorithm Stack	算法总览（各模块真实算法 × 文件对照）
Algorithm Integration	算法集成指南
Planning Speed Upgrade	ST 图 + DP 速度规划设计
FlowBoard Contract	仪表盘数据契约
FlowBoard Scene Contract	scene 数据契约
FlowSim 仿真指南	flowsim 仿真模式对照
Hardware Deployment	硬件部署
RC Car Hardware Checklist	RC 小车硬件落地清单
Learning Loop	仿真内学习闭环
Troubleshooting 3D Dashboard	3D 仪表盘故障排查

许可证

MIT

Name		Name	Last commit message	Last commit date
Latest commit History 1,045 Commits
.claude		.claude
.codebuddy		.codebuddy
.github/workflows		.github/workflows
Testing/Temporary		Testing/Temporary
ci/evaluators		ci/evaluators
cmake		cmake
config		config
docs		docs
include		include
lib		lib
models_released		models_released
modules/adas_nodes		modules/adas_nodes
msg		msg
out		out
scenarios		scenarios
scripts		scripts
src		src
tests		tests
third_party		third_party
tools		tools
.clang-format		.clang-format
.gitignore		.gitignore
.gitmodules		.gitmodules
.mcp.json		.mcp.json
CLAUDE.md		CLAUDE.md
CMakeLists.txt		CMakeLists.txt
CMakePresets.json		CMakePresets.json
Dockerfile		Dockerfile
README.md		README.md
build.sh		build.sh
package-lock.json		package-lock.json
package.json		package.json

Navigation Menu

Repository files navigation

FlowEngine

FlowEngine 是什么

架构

快速开始

Windows（实验性原生支持）

新手最短路径（复制即可跑）

演示

Pipeline

CLI

可视化

Docker

从源码构建

macOS 快速开始

安装

插件系统

配置驱动启动

场景套件

学习闭环

回归评估器

测试与 CI

Skills（深度教程）

文档

许可证

About

Releases

Packages

Contributors

Languages

Folders and files

Latest commit

History

Repository files navigation

FlowEngine

FlowEngine 是什么

架构

快速开始

Windows（实验性原生支持）

新手最短路径（复制即可跑）

演示

Pipeline

CLI

可视化

Docker

从源码构建

macOS 快速开始

安装

插件系统

配置驱动启动

场景套件

学习闭环

回归评估器

测试与 CI

Skills（深度教程）

文档

许可证

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages