NVIDIA 于 2026 年 9 月 22 日分享一个以 AI agent 协助迁移 ROS 2 节点的例子，重点不是让模型重新设计机器人，而是找出 GPU 加速流程中仍然被 CPU serialization 和 copy 拖慢的消息边界。案例使用 rosidl::Buffer、NVIDIA 贡献的 CUDA buffer backend，以及 Isaac ROS 5.0。
在 ROS 2 Lyrical 中，变长的 primitive array field 可以由 rosidl::Buffer 表示。CUDA buffer backend 让节点在符合 runtime 条件时，以 GPU resident payload 交换数据，同时保留原有 ROS 2 message 和 node boundary。如果相邻节点不支持 CUDA backend，系统仍可回落到 CPU path。
NVIDIA 以 Depth Anything 3 TensorRT ROS 2 node 演示流程。AI coding agent 使用 migrate-node-to-rosidl-buffer skill，先审核 allocation、serialization、stream ownership 和 fallback，再提出最小的 interface-preserving patch。变更包括依赖、subscription option、CUDA allocation 和 handle extraction，而不是另建一套自定义 message 或分开的 CPU/CUDA topic。
验证不只看程序是否成功编译。NVIDIA 建议以 Nsight Systems 检查 ROS boundary 是否仍有 payload-sized host-device transfer，并确认 msg->data.get_backend_type() 在两端条件符合时返回 cuda。这种验证把 agent 的程序修改、运行时 backend negotiation、buffer lifetime 和实际数据搬移分开检查。
这个案例反映 AI coding agent 在专门工程迁移中的角色：它可以追踪数据流、列出最小修改、保留既有接口，再协助建立验证清单。真正的安全和性能判断仍要依赖 build、runtime、profile、fallback 和硬件环境；一个看似合理的 patch 不代表所有 ROS graph 都能得到相同结果。
NVIDIA 的文章属于技术演示和教程，不是跨平台 benchmark。zero-copy transport 需要指定 ROS 2 distribution、RMW implementation、backend、节点位置和数据类型等条件。部署到 Jetson AGX Thor 或其他机器人前，团队仍需做硬件特定的 latency、memory、故障回落及人身安全测试。
