1. 负责室内服务型机器人、室外储能机器人（基于 Autoware Universe框架）的多传感器感知算法研发，主导激光雷达、摄像头、超声波等传感器的融合感知方案设计，实现环境建模、障碍物检测、目标识别与跟踪功能。

2. 研发障碍物检测与分类算法，基于激光雷达点云（如 PCL 库）实现地面分割、聚类分析，基于摄像头图像实现目标检测（如行人、车辆、障碍物），并融合多传感器数据提升检测精度与鲁棒性。

3. 设计目标跟踪算法，基于卡尔曼滤波器、粒子滤波等技术实现对动态目标（如移动行人、车辆）的持续跟踪，输出目标位置、速度、运动方向等信息，为规划算法提供决策依据。

4. 跟进前沿感知算法（如 Transformer-based 目标检测、点云 - 图像跨模态融合），结合机器人实际应用场景进行算法改进与落地，提升机器人对复杂场景（如光照变化、遮挡、恶劣天气）的适应能力。

5. 深入研究坐标变换原理，精通激光雷达、摄像头等传感器坐标系与车体坐标系的转换逻辑，解决多传感器感知数据的空间对齐问题，确保融合感知结果的准确性。

6. 参与感知系统的测试与优化，分析感知算法的检测率、误检率、跟踪稳定性等指标，通过数据标注、模型训练、参数调优提升算法性能。

1. 本科及以上学历，计算机、人工智能、机器人、电子信息相关专业，3 年以上多传感器感知算法研发经验，有机器人感知算法（室内服务机器人 / 室外无人驾驶）落地经验优先。

2. 精通深度学习目标检测算法（如 YOLO 系列、Faster R-CNN、SSD），能熟练使用 Pytorch/TensorFlow 框架进行模型训练、部署与优化，有模型量化、加速（如 TensorRT）经验者优先。

3. 熟练掌握 PCL 点云处理库，能独立完成点云滤波、分割、聚类、特征提取等操作，有基于激光雷达的障碍物检测项目经验；熟悉 OpenCV 图像处理库，能进行图像预处理、特征匹配等操作。

4. 掌握卡尔曼滤波器、扩展卡尔曼滤波器等目标跟踪算法，有动态目标跟踪项目经验，能解决目标遮挡、消失后重识别等问题。

5. 精通坐标变换原理，能熟练推导激光雷达、摄像头坐标系与车体坐标系的转换公式，熟悉 ROS/ROS2 框架下多传感器数据的时间同步与空间对齐方法。

6. 熟悉 Autoware Universe感知模块（如 Perception Framework）的架构与接口，有基于 Autoware Universe/Apollo进行感知算法二次开发经验者优先。