职责/任务：
1.基于视觉(可见光/红外)、激光雷达(LiDAR)、毫米波雷达、IMU、气体/环境传感器的多模态融合感知算法。目标检测/识别/跟踪（尤其在烟雾、黑暗、遮挡条件下）。场景语义理解、3D环境重建。鲁棒SLAM (同步定位与建图)（应对动态、弱纹理、退化环境）。
2.复杂动态环境下的实时路径规划与避障算法（如A*, RRT*, MPC）。面向救援/作业任务的3.（强化学习RL/行为树/状态机）。风险评估与自主决策模型（何时介入、如何行动）。
3.针对边缘设备资源限制（算力、内存、功耗），进行模型轻量化、压缩（剪枝、量化）、知识蒸馏、硬件感知优化。提升算法在精度、实时性（毫秒级响应）、鲁棒性（抗干扰）及泛化能力上的极限。设计高保真仿真环境并主导真实场景测试验证，驱动算法迭代。
岗位要求（学历、年龄、经验、素质等方面）：
1.计算机科学、人工智能、机器人学、自动化、应用数学等相关专业本科及以上学历。
2.三年以上扎实的AI算法研发与落地经验。必备在机器人、自动驾驶、无人机、工业自动化或智能安防等领域成功落地的项目经验。具有复杂、动态、非结构化或危险环境（如灾难现场、化工区、地下空间）算法开发经验者高度优先。
3.深厚理论基础：精通深度学习（CNN, RNN, Transformer, RL）及机器学习，扎实的数理基础（线性代数、概率统计、优化理论）。
4.框架与编程：精通 PyTorch 或 TensorFlow 等主流深度学习框架。精通 Python，熟练掌握 C++（用于高性能计算/部署）。
5.目标检测/跟踪（YOLO, SSD, Trackers）、语义/实例分割、3D点云处理、立体视觉、鲁棒SLAM (VINS, LIO-SAM, ORB-SLAM3)多传感器融合：卡尔曼滤波、粒子滤波、多传感器标定与时空同步。
6.强化学习（DRL, PPO, SAC）、经典规划算法、运动规划 (路径搜索、轨迹优化)
7.经典/现代控制理论、动力学建模（Lagrangian, Newton-Euler）。