具身智能算法工程师
我们开放以下岗位：
- 实习岗（在校生）：聚焦学习能力与潜力，提供系统培训与实战机会；
- 应届生岗位：注重专业基础与项目经验，支持快速融入与能力提升；
- 社招岗位：欢迎经验丰富、充满激情的资深人士，共同攻克技术 / 业务难题。
期待不同阶段的伙伴加入，你将全程参与机器人落地的完整闭环，与团队共成长！
岗位职责
1. 核心算法研发与优化
主导协作机械臂运动控制算法全流程开发，涵盖运动学正逆解（解析解 / 数值解结合）、动力学建模（拉格朗日法 + 惯性参数辨识）、轨迹规划（时间 - 能量最优多项式插值 / 动态避障算法）。
2. 遥操作系统构建
调试多模态遥操作架构，集成 ROS/ROS2 通信框架与实时数据采集模块，满足机械臂在远程操作场景下的亚毫米级位置同步精度与低控制延时需求。
3. 硬件系统集成与联调
协同完成机械臂 - 工具端- 传感单元的硬件集成，负责多设备标定（手眼标定 / 工具坐标系校准）及系统级性能优化（振动抑制 / 轨迹平滑）。
4. 强化学习技术探索
参与工业级强化学习算法研发，针对非结构化环境操作设计状态空间建模（关节空间 + 任务空间融合）、奖励函数优化（力控误差 + 能耗加权）方案，利用 Isaac Sim/PyBullet/Gazebo 等仿真平台完成算法训练，推动 Sim2Real 迁移落地。
核心要求
1. 教育背景 ：
机械工程、自动化、机器人学等相关专业本科及以上学历，在运动控制、机器人学方向有深入研究、应用经验者优先。
2. 实操经验 ：
- 具备主流协作机械臂（UR/Franka/ABB等）实操经验，精通其控制系统（URcap/ROS Industrial）、通信接口（Ethernet/RS485）及安全机制（力控触发阈值配置）。
- 完整主导过机械臂控制项目落地，涵盖算法设计、仿真验证、硬件部署全流程，具备处理奇异点规避、关节力矩饱和等工程问题的成熟方案。
3. 编程能力 ：
- 精通 C++/Python，具备 ROS1/ROS2 开发经验（节点架构设计 / 自定义消息接口 / 实时控制模块优化），熟悉 catkin/meson 构建系统。
- 掌握 Eigen/OpenCV/Pybind11 等工具库，能实现运动学矩阵快速运算（单精度浮点运算优化）、点云数据实时处理（体素化 / ICP 配准）。
4. 工程实践 ：
- 扎实掌握 PID 控制（增量式 / 抗饱和设计）、阻抗控制（力位混合控制参数整定）、自适应控制等经典方法，具备机械臂动力学参数辨识（最小二乘法 / 递归最小二乘法）实战经验。
- 能独立排查并解决机械臂实际运行中的核心问题，如编码器噪声滤波（卡尔曼滤波应用）、重力补偿误差修正（基于动力学模型前馈控制）、多轴运动同步偏差校准。
加分项
1. 避障算法 ：具备路径规划算法（RRT等）、碰撞检测算法（离散碰撞检测等）工程化经验。
2. 有视觉（2D/3D 相机标定 / 目标位姿估计）、力控（ATI 传感器数据解析 / 接触力阈值设置）、惯性导航（IMU 融合姿态解算）等传感器集成经验，完成过基于传感器反馈的自适应控制（如接触力引导的柔顺装配）。
3. 精通阻抗控制、力位混合控制在精密操作中的应用，具备在接触任务中应用调试的经验。
4. 强化学习 ：掌握 PPO/SAC 等强化学习算法在机器人中的应用，熟悉仿真环境定制（动作空间离散化 / 奖励函数工程化设计）、样本高效训练（experience replay / 模仿学习初始化）及 Sim2Real 迁移技术（域随机化 / 对抗网络校准）。
5. 生成模型 ：了解 GAN/VAE/3DGS 等生成模型在机器人感知中的应用，如虚拟场景点云生成、光照变化鲁棒性训练；熟悉域适应技术（如 CycleGAN 风格迁移）在视觉定位算法跨环境部署中的实践。
6. 工业工艺知识 ：对 Pick-and-Place、TCP 动态补偿、精密装配（孔轴对齐）等工业任务流程有深入理解，能结合工艺约束（如速度 - 加速度限制、工具负载特性）优化轨迹规划策略。