1具备计算机科学、电子工程、自动化、机器人技术、应用数学或相关专业的硕士及以上学历。 2.精通C++和Python编程语言，能够运用C++进行高性能的底层算法和系统开发，并利用Python进行快速原型设计、数据分析及深度学习应用开发，同时熟悉Linux开发环境，具备良好的代码规范意识和工程实现能力 。 3.深入理解计算机视觉与机器人感知领域的核心算法，包括几何视觉中的特征点提取与匹配、对极几何、PnP、ICP等技术，掌握非线性优化理论和Bundle Adjustment方法，了解卡尔曼滤波等状态估计算法，并能使用g2o、Ceres-Solver等优化库，同时熟悉深度学习基础及其在目标检测、语义分割等任务中的应用，掌握PyTorch或TensorFlow等主流框架 。 4.熟悉机器人技术栈中的关键工具与系统，包括理解并能够运用ROS/ROS2机器人操作系统的基本概念和通信机制，熟练使用OpenCV等计算机视觉库，并对模型在嵌入式平台的部署和优化有基本认识，了解TensorRT等相关工具。 5.具备良好的英文文献阅读能力，能够持续跟踪国际前沿的技术动态与发展趋势 。 6.拥有出色的团队协作精神、沟通能力，以及分析问题并解决复杂技术问题的综合素养 。 1.负责前沿感知算法的研究与应用，涵盖SLAM、多传感器融合、深度估计、目标检测与跟踪、场景理解等关键方向。 2.探索并应用深度学习等先进技术，开发与优化神经网络模型，提升算法在复杂场景下的性能。同时，跟踪领域内最新进展（如BEV融合、Occupancy网络等），推动算法的持续创新与迭代 。 3.设计和实现多传感器（如摄像头、激光雷达、IMU）的融合算法，解决数据标定、同步与配准问题，以提升环境感知的鲁棒性和精度。 4.参与项目全生命周期，与硬件、嵌入式、软件等团队协同工作，进行系统分析、方案设计，确保感知模块与整体系统的有效集成和性能优化 。 5.负责将感知算法高效部署到嵌入式平台或边缘设备，进行模型压缩（剪枝、量化）、加速和性能优化，确保在资源受限环境下满足实时性与稳定性要求。 6.利用仿真工具和真实场景数据，测试、验证算法性能，定位并解决工程应用中的实际问题，完成技术文档的编写与知识沉淀 。 7.针对智能终端（包括无人机、具身智能体、机器人等）的具体应用场景，开发专用的环境感知、动态避障、导航定位算法。 8.与智能终端领域的其他技术团队（如控制、规划、SLAM）紧密协作，将感知算法应用于完整的终端或作业系统中，并参与系统联调与测试，共同解决技术挑战 。 9.熟悉并运用相关的开发工具链和框架，如ROS/ROS2、PyTorch/TensorFlow、OpenCV、CUDA、以及各类传感器SDK和仿真环境（如Isaac Sim, Gazebo），以支持高效的算法开发与测试 。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录