2026计算机设计大赛·RT-Thread专项赛选题指南

中国大学生计算机设计大赛（简称“大赛”或4C）是我国高校面向本科生最早的赛事之一，自2008年开赛至2019年，一直由教育部高校与计算机相关教指委等或独立或联合主办。大赛的目的是以赛促学、以赛促教、以赛促创，为国家培养德智体美劳全面发展的创新型、复合型、应用型人才服务。本赛事目前是全国普通高校大学生竞赛排行榜榜单内赛事，属教育部A类竞赛。

为推广RT-Thread大学计划，促进RT-Thread操作系统引入课堂教学，同时把最新的行业技术带入到高校，让同学们在竞赛中感受嵌入式最新技术发展区域，RT-Thread2026年继续支持中国大学生计算机设计大赛，并深度参与物联网专项赛，开设RT-Thread操作系统专项赛。

赛题简介

随着物联网和智能系统的快速发展，嵌入式成为当前最热门最有发展前途的 IT 应用领域之一。在移动通讯、移动办公、智能传感、穿戴式设备、物联网、到数据中心、大数据管理、云计算、边缘计算，人工智能等各个领域。而所有物联网嵌入式终端设备的核心就是物联网操作系统。赛题要求作品创作必须基于 RT-Thread OS 操作系统为核心，根据不同方向要求，采用赛题指定要求的软硬件平台进行作品的创作。要同学们根据自身情况选择选择其中一个赛题方向进行作品设计创作。

赛题方向1：RT-Thread虚拟化混合部署与具身智能方向

具身智能（Embodied Intelligence）是将人工智能深度融入物理实体（如机器人）的关键技术方向，使其具备自主感知、决策、学习和与复杂环境动态交互的能力。传统嵌入式系统往往难以同时满足高实时性控制、安全隔离以及复杂AI 算法运行的需求。RT-Thread虚拟化混合部署平台基于瑞芯微RK3588高性能处理器（8核64位架构、集成6TOPS NPU），通过虚拟化技术实现Ubuntu/Linux（负责“大脑”级复杂AI计算）与RT-Thread实时内核（负责“小脑”级高可靠控制）的协同运行，在统一硬件平台上提供强实时性、高功能复杂性、安全隔离与开发敏捷性的完美平衡。

参考应用1：电力设施智能巡检机器人

应用背景：随着我国新型电力系统建设的推进，电网规模日益扩大，设备复杂度急剧增加，对供电可靠性的要求达到了前所未有的高度。电力设施智能巡检机器人具备自主移动、智能感知、执行关键维护操作的功能，可实现变电站、配电房“无人值守”或“少人值守”。

作品要求：利用RT-Thread虚拟化混合部署，Linux系统运行智能算法或模型，实现路径规划、电力设施状态感知、数据存储、人机交互等功能，RT-Thread根据路径规划、设备状态执行行走、开关设备等关键操作。

参考应用2：RT-Thread混合部署下的室内智能配送机器人

应用背景：在医院、酒店、餐厅、仓库等室内场景中，物品配送需求频繁且路径复杂，传统人工配送效率低、成本高。智能配送机器人可实现自主导航、动态避障与精准对接，支持多楼层/多房间物品运送，能够显著提升服务效率、降低人力投入并改善用户体验。RK3588强大的NPU与多传感器配置特别适合此类需要实时感知与AI决策的具身智能应用。

作品要求：基于RK3588的RT-Thread虚拟化混合部署平台，利用四轮麦克纳姆轮底盘实现全向精准移动。Linux侧运行复杂AI算法，包括基于激光雷达与深度相机的SLAM建图、路径规划（A*/RRT等）、动态障碍物检测与避障、目标点识别（二维码/房间标识）以及语音交互/人脸识别；RT-Thread侧负责高实时性任务，如多传感器融合定位、电机 PID精准控制、姿态稳定与紧急停障。要求在模拟室内环境中实现自主配送任务，导航定位精度±5cm，动态避障响应时间≤0.5s，停车稳定性（托盘物品晃动≤2cm），支持APP/语音下单与实时状态可视化界面。方案需兼顾不同负载、地面摩擦变化的鲁棒性，易于调试与扩展。

参考应用3：RT-Thread 混合部署下的起重机智能防摇摆控制器

应用背景：起重机作为现代工业物料搬运的核心装备，其吊运过程中的负载摇摆现象一直是行业痼疾。在钢铁、港口、航天装配等高精度作业场景中，由惯性引发的负载大幅度摆动不仅严重降低搬运效率、延长作业周期，更对现场人员安全、设备稳定性及精密货物（如风力发电机叶片、飞船舱段）构成重大威胁。传统防摇摆技术依赖操作员经验进行“点动”调整，对技能要求高且效果不稳定；而基于模型预测的先进控制策略虽在理论上可行，却受制于实际工况的复杂性（如风力扰动、钢丝绳长度变化、负载质量未知），难以实现稳定可靠的工程化应用。因此，研发一套能自适应环境、智能抑制摆动并融入现有起重机系统的解决方案，对于提升行业自动化水平、保障安全生产具有迫切的现实意义和商业价值。

赛题方向2：基于云边端协同计算架构的AIOT产业应用创新

随着物联网（IoT）设备数量呈指数级增长，传统云计算架构面临数据传输延迟高、带宽压力大、隐私风险突出等挑战。云边端协同计算（Cloud-Edge-End协同）通过将计算任务在云端、边缘节点和终端设备间动态分配，成为突破这一瓶颈的关键技术。结合人工智能（AI）的智能决策能力，AIoT（人工智能物联网）正推动工业制造、智慧城市、医疗健康等领域的智能化升级。本题目鼓励参赛者探索云边端协同在产业场景中的创新应用，解决实际痛点。

推荐硬件平台

硬件平台采用瑞芯微 RK3588 八核 64 位处理器（4×Cortex-A76 + 4×Cortex-A55，集成 6TOPS NPU），提供强大的计算能力以支持复杂的AI算法实时运行。感知系统配备深度相机、激光雷达以及高精度惯性测量单元（IMU），实现环境三维建模、障碍物检测与高精度位姿估计。底盘采用四轮麦克纳姆轮设计，支持全向平移、原地旋转等灵活运动方式，能够在复杂室内外环境中实现精准运动控制。通过RT-Thread虚拟化技术，本系统可在同一硬件平台上高效运行多个隔离的实时任务与AI应用，包括但不限于：基于激光雷达与深度相机的 SLAM（即时定位与地图构建）、路径规划与运动控制算法、视觉目标检测、跟踪与语义分割、多传感器融合的自主导航与避障等。