岗位描述
聚焦学习策略(Policy)的真机部署,打通从模型推理、状态输入、控制指令到机器人执行与数据回流的完整链路,重点强调工程实现与整机调试能力。
岗位职责
搭建并维护人形机器人 Policy 部署框架,完成模型导出、推理集成、观测处理、动作映射及机器人控制接口对接,推动策略在真机上稳定运行。
保证训练与部署链路的一致性,处理关节顺序、坐标系、单位、归一化、历史观测、控制频率及执行延迟等问题,定位并解决 Sim-to-Real 过程中的工程问题。
对接机器人 SDK、底层控制器及传感器接口,打通状态读取、数据同步、策略推理、指令下发和执行反馈的完整控制闭环。
优化推理与控制链路的实时性、资源占用和运行稳定性,完成多线程、进程通信、任务调度及性能分析等工程工作。
建设策略切换、启动与停止、动作限幅、超时保护、异常检测和急停联动等机制,支持机器人日常调试与持续运行。
建立仿真验证、真机测试、日志采集、数据回放和故障分析流程,完善模型、配置与软件版本管理,提高部署效率和问题复现能力。
与算法、嵌入式、电控及机械团队开展整机联调,独立排查通信、时序、状态反馈和执行异常等跨软硬件问题,推动功能交付。
岗位要求
本科及以上学历,计算机、自动化、机器人、电子信息、控制工程等相关专业;工程实践能力突出者可适当放宽。
具备扎实的 C++、Python 和 Linux 开发能力,熟悉多线程、进程通信、网络通信及常用调试工具,能够编写结构清晰、便于维护的工程代码。
理解机器人控制闭环,熟悉常见传感器与执行器的工作方式,能够分析状态采集、通信、控制频率和执行响应之间的关系。
理解深度学习模型的推理与部署流程,具备模型部署、机器人软件开发或软硬件系统集成经验;了解强化学习 Policy 的观测输入与动作输出机制。
具备较强的现场调试与故障定位能力,能够结合日志、数据曲线和机器人实际表现分析问题,并完成验证与修复。
有独立负责模块或系统交付的经历,重视运行稳定性、测试验证、文档和工具建设,能够主动推进跨团队联调。
加分项
有 RoboMaster、全国大学生电子设计竞赛等竞赛经历,尤其欢迎承担过电控、整车软件、嵌入式开发、系统集成或整机联调的核心成员。
有强化学习 Policy 在人形、四足、机械臂等机器人上的实际部署经验,能够独立完成从模型到真机运行的链路。
熟悉 ROS / ROS 2、机器人 SDK,或具备 CAN、EtherCAT 等通信接口的开发与调试经验。
有 ONNX Runtime、TensorRT 等推理框架使用经验,或具备边缘计算平台性能优化、实时系统开发经验。
有机器人长期运行维护、复杂故障排查、自动化测试及部署工具建设经验