机器人规划控制工程师

机器人规划控制工程师

ShanghaiIntelligent manufacturing / Industrial Internet / Industrial automation

Responsibilities

岗位职责：• 设计、实现、测试并部署面向高自由度机器人的运动规划算法，重点关注装配、表面处理等接触密集且需柔顺操作的任务• 共同负责运动规划模块与全身控制模块之间的软件接口；定义并维护共享状态表示、约束条件以及控制交接协议• 开发能够对接触模式、接触顺序以及力/力矩约束进行推理的规划器，而不仅仅是实现无碰撞路径规划• 在仿真环境及真实硬件上，针对接触密集场景对规划器进行基准测试与评估；负责可靠性及任务成功率等指标• 与感知、控制及硬件团队协作，将物理任务需求转化为明确的规划问题• 通过代码审查、测试标准及持续改进工程最佳实践，推动软件质量提升• 管理并沟通开发进度安排与关键里程碑

Qualifications

任职要求：• 拥有机器人学、机械工程、计算机科学或相关领域的博士或硕士学位（或具备同等工作经验的学士学位）• 3年以上机器人系统软件工程的实际开发经验• 精通C++和Python；有在真实机器人和仿真平台上部署运动规划软件的成熟经验• 对高自由度机械臂的运动规划（包括在接触和力约束下运行的规划器）具备扎实的理论基础与实践理解• 对机器人运动学与动力学有扎实基础：正/逆运动学、雅可比方法、刚体动力学以及力/力矩推理• 具备独立工作能力，能够主动承担责任，并持续提升工程标准加分：• 具备全身控制、阻抗控制或导纳控制在柔顺操作中的应用经验• 熟悉接触力学与力-运动混合控制，例如力控插入、轴孔装配、曲面跟随、去毛刺或抛光等任务• 具备机械臂轨迹生成经验，包括时间最优参数化和平滑笛卡尔空间轨迹设计，例如：时间最优路径参数化（TOPP）、C²连续笛卡尔轨迹、加加速度受限的运动轮廓、基于样条曲线或贝塞尔曲线的表示方法；理解轨迹平滑度对接触稳定性和表面质量的影响• 具有数值优化与最优控制背景，例如轨迹优化、模型预测控制（MPC）、二次规划（QP）求解器，特别是涉及接触约束的优化问题• 具备将强化学习应用于接触密集或高自由度操作任务的经验，例如：无模型/基于模型的强化学习、仿真到现实的迁移、灵巧任务的策略学习• 具备快速掌握新知识领域并交付生产级代码的能力

Job Information

Apply