具身智能嵌入式开发实习生（上海）

职位名称：Linux 嵌入式开发实习生
1. 传感器驱动集成

• 在 Linux（Ubuntu + JetPack / Armbian）环境下，基于 C++ 开发/移植摄像头（CSI/USB）、IMU（I2C/SPI）、深度相机等外设的驱动链路。
• 编写用户态封装层，实现多传感器数据同步读取与时间戳对齐。

2. 进程间通信（IPC）框架实践

• 设计并实现轻量级 IPC 模块（如共享内存 + 环形缓冲区、Socket、D-Bus 或 ZeroMQ），用于传感器数据、控制命令、AI 推理结果在不同进程间高效传递。
• 参与多进程/多线程架构下的资源竞争分析与优化。

3. AI 模型部署与性能调优

• 在 NVIDIA Jetson 平台（Orin NX/Nano 等）上部署 ONNX/TensorRT 模型，编写 C++ 推理引擎封装。
• 进行 pipeline 时延分析（数据采集 → 预处理 → 推理 → 后处理 → 输出），利用 TensorRT 层融合、FP16/INT8 量化、多流并发等手段提升吞吐量。

4. 系统集成与调试

• 配合系统工程师完成产测脚本或自动化测试工具（Python/C++）。
• 使用示波器/逻辑分析仪协助定位驱动时序、I2C/SPI 通信问题。

任职要求：
1，硕士及以上学历，985，211通信，计算机，软件工程，仪器仪表优先。
2，每周能保证 ≥34天实习，持续 ≥3 个月。
技术能力：
1，熟悉 Linux 环境开发，掌握 C++11/14，了解 CMake、Makefile、GCC/Clang。
2，了解嵌入式 Linux 驱动模型（设备树、字符设备驱动、V4L2、IIO 子系统等），有读取传感器（IMU/摄像头）原始数据的经验。
3，了解至少一种 IPC 机制（共享内存、socket、消息队列、D-Bus）并能用 C++ 实现。
4，有基础 AI 模型部署概念（如 ONNX、TensorRT、TFLite），能用简单示例跑通推理并测量时延。

“Vibe Coding”：
1，熟练使用 GitHub Copilot、Cursor、ChatGPT 等 AI 编程工具辅助开发，能批判性地审查并优化 AI 生成的代码。
2，善于用提示词生成测试用例、重构冗长函数、快速搭建数据采集 demo。
3，具备良好的代码审美与注释习惯，不产出“黑盒代码”。

【加分项（非必需）】

• 亲手在 Jetson (Nano/Xavier/Orin) 或 Orange Pi 5 上跑过 TensorRT 例程，或自己调过摄像头 CSI 驱动。
• 有 ROS/ROS2 节点开发经验（涉及 IPC 与传感器驱动）。
• 了解 CUDA/OpenCV 的简单加速用法。
• 参与过开源嵌入式项目或发布过技术博客/视频（附链接更佳）。