一、职位描述

机器人智能决策系统的核心算法工程师，负责开发从感知到行动的全链路决策框架。通过融合强化学习、规划算法与知识推理技术，实现机器人在复杂动态环境中的自主决策与长周期任务执行。核心方向包括但不限于：实时决策引擎开发、多目标优化、不确定性处理、人机协作决策及可解释性决策系统设计。

二、核心职责

1.设计并优化基于机器学习的决策模型（如POMDP、DeepRL、分层强化学习），解决机器人任务规划、路径优化、资源分配等关键问题

2.开发多模态决策输入处理模块，整合视觉、语音、激光雷达等传感器数据形成状态表征

3.构建决策系统仿真测试平台，设计对抗性场景验证决策鲁棒性

4.针对嵌入式系统优化决策算法（模型压缩、稀疏计算、异构计算加速）

5.与感知、控制团队协同，建立决策-行动的闭环验证机制

三、技术要求

1、精通决策理论（马尔可夫决策过程、博弈论、多智能体系统）

2、 熟练掌握至少一种决策算法框架（Ray/RLlib、StableBaselines3、Mujoco）

3、 具备扎实的运筹学基础（线性/非线性规划、动态规划、组合优化）

4、在以下领域有实战经验（至少两项）：

（1）强化学习在机器人控制中的应用（如机械臂抓取、移动机器人导航）

（2）实时任务规划算法（HTN、STRIPS、AnswerSetProgramming）

（3）不确定性环境下的决策（贝叶斯推理、鲁棒优化、风险敏感决策）

（4）人机协作决策框架设计（共享控制、意图识别、可解释AI）

4、 熟悉机器人中间件（ROS/ROS2、Webots、Gazebo）及决策系统部署流程

6、具备算法加速经验（CUDA编程、OpenVINO优化、决策树量化）

四、加分项

1、有完整机器人决策系统开发经验（从仿真到真实场景部署）

2、熟悉认知架构（如SOAR、ACT-R）或神经符号系统设计

3、参与过开源决策框架开发（如OpenAIGym、PyBullet）