一、职位描述
1. 机器人全身规划算法研发与实现：
- 设计并实现高性能、高鲁棒性的运动规划算法，包括轨迹搜索算法 (如 Hybrid A*, 图搜索)、轨迹采样方法 (如 Lattice Planner, Motion Primitive)、轨迹优化算法 (如非线性优化, iLQR/iLQG, 凸优化, 数值优化方法等)、时空联合规划 (Spacetime Optimization) 算法，实现机器人上肢、下肢及全身协同运动规划。
- 设计并实现高性能、高鲁棒性的决策算法，包括交互场景和不确定性场景下的决策方法。
- 针对大规模复杂场景进行算法设计、实现与调优，用数据驱动方式迭代算法表现。确保规划轨迹在动态和不确定性环境下的稳定、平滑执行。
2. 系统集成与性能提升：
- 负责规划控制算法在机器人系统软件栈中的高效集成与部署，实现对机器人全身运动的高效、顺滑控制。
- 探索并实现规划模块与端到端感知/预测网络的高效协作接口与策略，提升整体系统的场景理解与决策能力。
- 进行机器人实机测试验证，分析系统性能瓶颈，持续优化算法效果。
二、职位要求
1. 规划算法深度：
- 精通主流路径/运动规划算法原理、实现与调优，精通优化理论基础与算法实践。
- 精通Planning under uncertainty以及Planning with interaction的典型决策方法。
2. 工程实践能力：
- 熟练掌握 C++，具备高性能、高可靠性的代码开发能力，注重代码质量与架构。
- 熟悉 ROS/ROS2 机器人中间件 和 Linux 开发环境。
- 具备在大型软件系统中开发、集成和调试复杂算法模块的能力。
3. 加分项：
- 具有将规划算法成功应用于大规模复杂场景的实际项目经验，并取得可验证的落地效果。
- 深入参与过机器人端到端感知/规划网络的协同设计、接口开发或联合优化项目。
- 在机器人领域顶级会议/期刊（如SR/IJRR/RSS/T-RO/RA-L/JFR/ICRA/IROS等）发表过决策规划相关的研究论文。
- 在权威机器人竞赛（如 RoboMaster, RoboCup等）中取得优异成绩。