岗位职责

路径与轨迹规划：负责移动基座的全局与局部路径规划算法研发，制定平滑、符合运动学/动力学约束的轨迹生成方案。
运动控制与跟踪：负责移动底盘的高精度轨迹跟踪控制算法研发，针对非完整约束、多足运动学或复杂地形，设计鲁棒控制器（如 MPC、LQR、WBC 等）。
安全避障与动态响应：建立安全约束边界，设计确定性的动态避障与紧急制动策略，保障机器人在高动态、非结构化人机共存环境下的绝对物理安全。
模型与传统算法融合：探索大模型/VLA/RL 策略输出与传统规控的安全隔离层（Safety Shield）与融合架构，将端到端输出转化为符合物理可行性的控制指令。
工程落地与真机部署：负责规控算法在嵌入式端的 C++ 高效实现、性能优化与真机调试，完成实车/实机闭环验证。

职位要求

核心硬性要求：

扎实的数学与控制理论基础：深入理解机器人运动学与动力学，掌握经典控制理论与现代控制理论；熟练掌握数值优化、凸优化算法（如 QP、SQP、Ceres、OSQP 等优化工具库的使用与调优）。
精通传统规划算法：熟练掌握图搜索算法（A*、Dijkstra）与采样算法（RRT*、FMT* 等）；熟练掌握局部规划与轨迹优化算法。
精通传统控制算法：熟练掌握至少一种基于模型的先进控制算法，如模型预测控制（MPC）、线性二次型调节器（LQR）或全身控制（WBC），具备较强的多约束求解与参数调优能力。
扎实的工程实现能力：精通 C++，具备优秀的代码重构、内存管理及实时性优化能力；熟练掌握 Linux 环境开发及 ROS2 架构，具备独立完成模块设计与接口定义的能力。加分项：
具有移动机器人底盘（如差速、麦轮、阿克曼、四足/双足移动）实机项目调优经验，处理过执行器响应延迟、电机饱和、非线性摩擦及地面打滑等实际物理问题。
具备将强化学习（RL）策略转化或嵌入传统 MPC/WBC 控制框架的落地经验，或对 VLA 模型在移动导航中的安全边界裁剪有深入思考。
熟悉高精度定位与建图算法（SLAM）交互接口，理解点云/网格（Occupancy Grid/ESDF/Voxel Map）对规划算法的输入影响。