深圳赛博格机器人有限公司

职位描述：

岗位职责：一、核心算法开发1、运动规划与生成：设计并实现基于模型（如倒立摆、弹簧负载倒立摆SLIP）和基于优化的步态规划算法。开发适应不同地形（不平路面、楼梯、斜坡）的在线步态调整与重规划策略。实现全身运动规划与协调控制，平衡稳定性与能量效率。2、实时运动控制：开发并实现高鲁棒性的底层关节力矩/位置/阻抗控制算法。设计全身平衡控制策略，包括零力矩点（ZMP）控制、全身动力学控制（WBC）、模型预测控制（MPC）等。实现基于状态机的高级行为控制，如起立、行走、奔跑、转弯、上下楼梯等。3、状态估计与传感器融合：开发基于IMU、关节编码器、足底力/力矩传感器、视觉/激光雷达的机器人本体状态估计器。实现地形感知与估计，为控制算法提供环境信息。二、仿真与实验验证1、算法仿真：在Gazebo、MuJoCo、PyBullet或MATLAB/Simulink等仿真环境中构建并验证控制算法。利用仿真进行大量参数整定、稳定性边界测试与故障注入分析。2、实物调试与优化：在真实机器人平台上部署、调试和迭代算法，解决仿真与实物的差距（Sim2Real）问题。设计系统化的实验方案，采集数据，量化评估算法的性能（稳定性、能效、速度、鲁棒性等）。与硬件团队紧密协作，分析机械设计、传感器、执行器对控制性能的限制，并提出改进建议。三、工程化与协作1、代码实现与优化：编写高效、可靠、可维护的C++/Python控制代码，并考虑实时性要求。将算法模块化，与机器人中间件（如ROS/ROS2）集成。2、跨团队协作：与机械设计、嵌入式软件、传感器、SLAM/感知团队紧密合作，共同定义系统接口与性能指标。撰写清晰的技术文档，分享专业知识。任职要求必备条件学历与专业：硕士及以上学历，机器人学、控制科学与工程、自动化、机械电子、计算机等相关专业。核心经验：有机器人运动控制算法研发经验，必须有下肢机器人（双足/四足/外骨骼）相关实际项目经验。深入理解经典与现代控制理论（PID，现代控制，最优控制，自适应控制等）及其在机器人中的应用。

职位描述：

岗位职责1.运动策略学习与生成-设计并实现基于深度强化学习的上肢运动控制策略（如DDPG、SAC、PPO等）-开发强化学习与模仿学习结合的混合方法，加速策略学习过程-实现多任务、多目标的上肢运动策略学习框架2.灵巧操作技能学习-开发抓取、操作、装配等精细操作任务的强化学习解决方案-实现双手协调、人机协作场景下的运动策略学习-设计工具使用、非结构化物体操作等复杂技能的学习框架3.仿真训练与迁移-在IsaacSim等物理仿真环境中构建高保真上肢机器人训练环境-开发高效的Sim2Real迁移学习方案，解决仿真与现实差距问题-设计课程学习策略，从简单任务逐步过渡到复杂操作任务4.部署于测试-在真实上肢机器人平台上部署和测试算法-设计系统化的评估方案，量化算法在精度、鲁棒性、泛化性等方面的性能-分析实验数据，持续迭代优化算法性能5.跨团队协作与创新-与感知团队合作，将视觉、六维力等多模态感知信息融入强化学习框架-跟踪强化学习与机器人控制领域的最新进展，探索前沿技术在工程中的应用-撰写技术文档和专利，推动技术创新和知识产权保护任职要求必备条件1.学历与专业-硕士及以上学历，机器人学、人工智能、控制科学与工程、计算机科学等相关专业2.专业经验-不限-必须有上肢机器人（机械臂、仿人机器人上半身）强化学习控制实际项目经验-参与过至少一个从仿真训练到实物部署的强化学习机器人项目

职位描述：

一、岗位职责（1）负责计算机视觉、激光雷达、多传感器融合等感知算法的研发、优化与工程化落地，应用于自动驾驶、机器人、智能安防等领域。（2）针对具体业务场景（如目标检测、跟踪、语义分割、SLAM等），设计并实现高性能、低延迟的算法模型。（3）参与大规模数据集的构建、清洗与标注，设计数据驱动的模型迭代方案。（4）完成算法的嵌入式部署优化（如TensorRT、OpenVINO、边缘设备等），满足实际产品的性能与功耗要求。（5）跟踪学术界与工业界前沿技术（如BEV感知、Occupancy网络、端到端自动驾驶等），推动算法创新与性能突破。（6）与软件、硬件、测试团队协作，确保算法在真实场景中的稳定性与可靠性。二、任职要求1、基本要求硕士及以上学历，计算机、人工智能、自动化、电子信息等相关专业。扎实的计算机视觉基础，熟悉深度学习框架（PyTorch/TensorFlow等）。熟练掌握Python/C++，具备良好的代码规范与工程实践能力。2、技术能力算法经验：熟悉2D/3D目标检测、多目标跟踪、语义分割、实例分割等经典任务。熟悉点云处理（如PointNet/Pillar-based方法）、多传感器融合（相机/激光雷达/毫米波雷达）。有SLAM、SFM、深度估计等相关经验者优先。3、模型优化：掌握模型剪枝、量化、蒸馏等轻量化技术，或有TensorRT/ONNX部署经验。熟悉模型加速与推理优化（如CUDA编程、算子优化）。4、数据处理：具备大规模数据集处理经验，熟悉数据增强、自动标注、半监督学习等技术。三、加分项在CV顶会（CVPR/ICCV/ECCV等）或顶级期刊发表过相关论文。参与过自动驾驶L2+及以上量产项目，或有机器人、无人机等实机调试经验。熟悉车载感知系统（如ISO26262功能安全标准、感知失效分析）。具备较强的学术复现与算法创新能力，能快速推动技术落地。