职位描述
一、岗位职责1. 算法研发与设计
- 负责机器人运动控制核心算法的研究与开发，包括但不限于：
- 运动学与动力学：正逆运动学求解、动力学建模与参数辨识、轨迹规划（如时间最优、能量最优路径规划）。
- 伺服控制：位置环 / 速度环 / 电流环控制算法、全闭环控制、力控（阻抗控制、导纳控制）、振动抑制（如摩擦补偿、柔性臂振动控制）。
- 多机协同控制：多机器人编队控制、主从协作控制、冗余自由度解耦算法。
- 针对机器人应用场景（如工业机械臂、人形机器人、移动机器人等）设计定制化控制算法，提升运动精度、速度、稳定性及环境适应性。
2. 系统开发与集成
- 将算法落地到实际控制系统中，完成与硬件（如伺服电机、传感器、控制器）的对接与调试，实现算法在嵌入式平台（如 DSP、FPGA、ARM）或实时操作系统（如 ROS、QNX）上的部署。
- 开发机器人控制软件模块，如运动控制 SDK、仿真测试平台，支持上层应用（如机器人操作系统、人机交互界面）的调用。
3. 测试、优化与问题解决
- 设计算法测试方案，通过仿真（如 MATLAB/Simulink、Gazebo）和实机调试（如机器人样机测试）验证算法性能，分析数据并优化参数。
- 定位并解决运动控制中的实际问题，如轨迹跟踪误差过大、振动噪声、多轴协同不同步等，确保产品满足设计指标。
4. 技术协作与文档沉淀
- 与硬件团队（机械、电子、传感器）协作，提供算法层面的技术支持（如电机选型、传感器布局建议），优化机电系统整体性能。
- 与软件团队（视觉算法、路径规划、AI 算法）配合，实现多模块协同（如视觉引导运动、力控 - 视觉融合控制）。
- 撰写技术文档（如算法设计报告、调试记录、用户手册），沉淀核心技术，支持团队知识共享。
5. 技术跟踪与创新
- 跟踪机器人运动控制领域的前沿技术（如深度学习在运动控制中的应用、模型预测控制（MPC）、强化学习优化轨迹规划），结合公司产品需求开展预研。
- 参与专利、论文撰写，提升团队技术竞争力。
二、任职要求1. 专业背景
- 学历：硕士及以上学历优先（机器人学、控制科学与工程、自动化、机械工程等相关专业）；本科需具备 3 年以上机器人控制算法开发经验。
- 知识储备：
- 精通机器人运动学、动力学基础（如 Denavit-Hartenberg 参数建模、拉格朗日动力学方程）。
- 熟悉经典控制理论（PID 控制、状态空间法）和现代控制理论（鲁棒控制、自适应控制、非线性控制）。
- 掌握轨迹规划算法（如多项式插值、样条曲线、贝塞尔曲线）和路径规划算法（如 A*、Dijkstra、RRT*）。
- 了解嵌入式系统开发、实时操作系统原理，具备 C/C++、Python 编程能力（至少熟练掌握一种）。
2. 技术能力
- 算法开发经验：
- 有伺服控制算法开发经验（如位置 / 速度 / 力矩控制模式实现），熟悉常用控制算法优化技巧（如抗积分饱和、前馈补偿）。
- 具备力控算法开发经验者优先（如基于力 / 位置混合控制的柔顺操作）。
- 熟悉机器人仿真工具（如 MATLAB/Simulink、Gazebo、V-REP），能通过仿真验证算法可行性。
- 工程落地能力：
- 有机器人控制器（如 EtherCAT 主站、CANopen 协议）开发或调试经验者优先。
- 熟悉 ROS（Robot Operating System）框架，能开发运动控制节点并与其他模块集成。
- 工具与技能：
- 熟练使用版本控制工具（Git/SVN）、调试工具（示波器、逻辑分析仪）。
- 具备良好的数学建模能力（如微分方程求解、矩阵运算）和算法优化能力。
3. 项目经验
- 至少参与过 1 项机器人运动控制相关项目，如：
- 工业机械臂轨迹规划与伺服控制开发。
- 人形机器人 / 双足机器人平衡控制算法研发。
- 移动机器人（AGV/AMR）路径跟踪与多车协同控制。
- 协作机器人力控算法开发（如碰撞检测、安全停止机制）。
4. 职业素养
- 问题解决能力：具备较强的逻辑分析能力，能快速定位算法或系统级问题并提出解决方案。
- 团队协作：善于沟通，能与跨部门团队（硬件、软件、测试）高效协作，推动项目落地。
- 学习能力：对新技术保持敏感，能快速掌握前沿控制理论并应用于实际场景。
- 抗压能力：能在 deadline 压力下推进任务，适应研发过程中的不确定性。
三、加分项
-
发表过机器人运动控制相关 SCI/EI 论文或拥有发明专利。
-
熟悉机器学习 / 深度学习在运动控制中的应用（如强化学习优化机器人步态）。
-
有工业机器人（如 ABB、KUKA、发那科）二次开发经验或自主搭建过机器人控制系统。
以担保或任何理由索取财物，扣押证照，均涉嫌违法，请提高警惕