岗位职责
- 负责工程机械的路径规划与轨迹生成算法研发与工程化，涵盖全局路径规划、局部避障、动态环境适应及轨迹优化；
- 负责多自由度机械臂的运动学、动力学建模，实现轨迹规划、逆运动学求解、力/位混合控制等算法；
- 负责整车运动控制算法设计与调试，覆盖速度控制、轨迹跟踪、转向控制、作业控制等场景，实现平顺、精准、高效的运动表现；
- 实现并调优主流控制算法（如 PID、LQR、MPC、Pure Pursuit、Stanley 等），完成多环控制系统建模，并结合执行机构特性完成前馈补偿、扰动抑制、非线性补偿等策略落地；
- 参与感知-规划-控制闭环设计，融合激光雷达、视觉、GPS/RTK、IMU 等多传感器数据完成状态估计与决策；
- 将机器学习/强化学习融合到传统控制与规划框架中，构建数据驱动或模型混合的智能策略，搭建仿真-实机闭环验证流程（Sim-to-Real），推动模型从离线训练到实车部署的落地；
- 配合整车团队完成控制系统与感知、规划、液压、电控等模块的联调联试，进行系统级问题排查与闭环优化；
- 跟踪自动驾驶、移动机器人、工程机械智能化等领域的前沿技术，推动创新应用与工程转化。
职位要求
基础要求：
- 机器人学、自动化/控制工程、机械工程、计算机科学、数学等相关专业，工程基础扎实； 同时具备机械臂运动控制与移动机器人导航规划的基础知识，理解两类系统在规划与控制上的共性与差异；
- 精通 C/C++，熟练使用 Python，具备良好的代码规范与工程化意识，掌握调试、性能分析与参数标定；
- 熟悉 ROS/ROS2 开发环境，有真实机器人或无人驾驶车辆的实车调试与落地经验。 专业能力：
- 熟练掌握路径规划与运动规划算法（如 RRT、A*、MPC 等），并具备工程实现能力；
- 熟练掌握经典与现代控制理论（PID、LQR、MPC、自适应控制等），具备扎实的运动学、动力学建模基础，有实车调试与控制效果调优经验；
- 熟悉基于学习的规划与控制方法（模仿学习、行为克隆、强化学习等）在连续控制中的应用。 加分项：
- 具备机器学习/深度学习基础，熟悉 PyTorch/TensorFlow，有强化学习 Sim-to-Real、系统辨识与神经网络混合建模、自适应/鲁棒控制与学习融合等经验；
- 具备嵌入式系统部署经验，熟悉 CUDA、OpenCL 等加速技术；
- 有液压/伺服控制系统开发经验，了解非线性建模、延迟补偿、工况漂移标定等工程问题； 有工程机械、矿山/港口设备、商用车或自动驾驶车辆的项目经验；
- 对具身智能（Embodied AI）有理解，具备较强的现场动手能力、问题定位能力与跨团队协作沟通能力。
