NVIDIA 於 2026 年 9 月 22 日分享一個以 AI agent 協助遷移 ROS 2 節點的例子，重點不是讓模型重新設計機械人，而是找出 GPU 加速流程中仍然被 CPU serialization 和 copy 拖慢的訊息邊界。案例使用 rosidl::Buffer、NVIDIA 貢獻的 CUDA buffer backend，以及 Isaac ROS 5.0。
在 ROS 2 Lyrical 中，變長的 primitive array field 可以由 rosidl::Buffer 表示。CUDA buffer backend 讓節點在符合 runtime 條件時，以 GPU resident payload 交換資料，同時保留原有 ROS 2 message 和 node boundary。若相鄰節點不支援 CUDA backend，系統仍可回落到 CPU path。
NVIDIA 以 Depth Anything 3 TensorRT ROS 2 node 示範流程。AI coding agent 使用 migrate-node-to-rosidl-buffer skill，先審核 allocation、serialization、stream ownership 和 fallback，再提出最小的 interface-preserving patch。變更包括依賴、subscription option、CUDA allocation 和 handle extraction，而不是另建一套自訂 message 或分開的 CPU/CUDA topic。
驗證不只看程式是否成功編譯。NVIDIA 建議以 Nsight Systems 檢查 ROS boundary 是否仍有 payload-sized host-device transfer，並確認 msg->data.get_backend_type() 在兩端條件符合時回傳 cuda。這種驗證把 agent 的程式修改、運行時 backend negotiation、buffer lifetime 和實際資料搬移分開檢查。
這個案例反映 AI coding agent 在專門工程遷移中的角色：它可以追蹤資料流、列出最小修改、保留既有介面，再協助建立驗證清單。真正的安全和效能判斷仍要依賴 build、runtime、profile、fallback 和硬件環境；一個看似合理的 patch 不代表所有 ROS graph 都能得到相同結果。
NVIDIA 的文章屬於技術示範和教學，不是跨平台 benchmark。zero-copy transport 需要指定 ROS 2 distribution、RMW implementation、backend、節點位置和資料類型等條件。部署到 Jetson AGX Thor 或其他機器人前，團隊仍需做硬件特定的 latency、memory、故障回落及人身安全測試。
