机器学习

主要职责：

·开展基于深度学习的环境感知算法研发，涵盖2D/3D目标检测、识别、跟踪及语义分割任务。
·实现多源传感器数据（如摄像头、LiDAR、IMU等）的处理与融合，提升机器人对周围环境的理解能力。
·探索并落地SLAM（同步定位与地图构建）方向的先进算法技术。

·设计并开发机器人的行为决策、任务规划与运动规划模块。
·结合强化学习、模仿学习等方法，推动机器人通过与环境交互实现复杂技能的自主学习。
·提升规划算法的实时响应能力与系统鲁棒性，保障机器人在动态场景下的安全高效运行。

·完成训练模型向嵌入式平台（如NVIDIAJetson、ROS等）的部署工作。
·采用模型剪枝、量化、知识蒸馏等手段优化模型性能，满足机器人系统对算力和功耗的严格要求。

·搭建并维护机器人仿真与真实场景下的数据集体系。
·构建高效的数据处理流程，依托运行数据持续分析并迭代优化算法表现。

职位要求：

必要条件：

·硕士及以上学历，专业方向为计算机科学、人工智能、自动化、电子工程、机器人学等相关领域。
·具备2年以上机器学习或深度学习项目经验，对智能机器人技术有强烈兴趣。
·编程基础扎实，熟练使用Python，至少掌握一种主流深度学习框架（PyTorch或TensorFlow）。
·在以下至少一个方向具备深入的理论积累和实践经历：
·计算机视觉：熟悉CNN、RNN、Transformer等网络结构，具有目标检测、图像分割相关项目经验。
·强化学习：掌握DQN、PPO、SAC等典型算法，有应用于机器人控制或游戏AI的实际案例。
·机器人学基础：了解机器人运动学、动力学、轨迹规划或SLAM核心原理。
·数学功底良好，熟悉线性代数、概率统计、微积分与优化方法。
·具备出色的逻辑思维与问题解决能力，责任心强，善于团队协作。

优先考虑：

·拥有实际机器人系统开发经验，熟悉ROS（RobotOperatingSystem）者优先。
·在CVPR、ICRA、IROS、NeurIPS、ICML、RSS等高水平会议或期刊发表论文者优先。
·熟练使用Gazebo、IsaacSim、Mujoco等仿真工具进行算法训练与验证者优先。
·具备将模型部署至边缘计算设备并完成性能优化的经验者优先。
·具备良好的沟通表达能力及英文文献阅读能力。