2026年，全国大学生FPGA创新设计大赛，选择‘基于FPGA的实时手势识别与机械臂控制’作为赛题，在实现摄像头输入、CNN手势识别模型加速和PWM控制信号生成时，如何在一个Zynq平台上高效划分PS与PL的任务，并保证识别到控制的端到端低延迟？
我们团队计划用Xilinx Zynq-7000系列开发板参加FPGA大赛，题目是手势控制机械臂。技术链比较长：摄像头采集、图像预处理、CNN推理、结果解析、生成PWM控制机械臂。主要困惑在于软硬件协同：1. 哪些部分必须放在PL（可编程逻辑）做硬件加速（比如CNN卷积层）？哪些适合放在PS（ARM处理器）上跑软件（比如图像解码、控制逻辑）？划分的原则是什么？2. 如何设计PS和PL之间的数据通路（比如通过AXI DMA）来最小化数据传输延迟，避免成为瓶颈？3. 整个系统从识别到动作的延迟，如何测量和优化？有没有一些常用的 profiling 方法或工具？希望有做过类似项目的学长学姐分享经验。
FPGA萌新上路
