职责：应用AI/ML技术解决复杂问题，如：装配策略学习、异常检测、任务自主决策优化、预测性维护、人机协作意图理解。

技能：精通深度学习、强化学习、机器学习算法框架（PyTorch, TensorFlow）。

详细要求：

​​岗位职责：

1. ​​AI驱动的决策与规划​​

应用深度学习（DL）、强化学习（RL）等技术，优化机器人在复杂场景下的自主决策能力（如装配策略学习、任务规划优化）。

研究并实现基于学习的运动规划算法（如模仿学习、逆强化学习），提升机器人对动态环境的适应性。

2. 异常检测与预测性维护​​

开发基于时序数据（传感器/日志）的异常检测模型（如LSTM-Autoencoder、GAN），实现机器人系统的故障预警与健康管理。

结合强化学习或贝叶斯方法，优化预测性维护策略，降低停机风险。

3. 人机协作与意图理解​​

设计多模态（视觉、语音、力觉）意图识别算法，提升机器人在协作场景中的交互安全性（如工业人机协作装配）。

研究人类行为预测模型（如Transformer、GNN），优化机器人实时响应策略。

4. ​​算法落地与优化​​

将AI模型部署至边缘设备（如Jetson、FPGA），优化推理速度与资源占用（TensorRT、ONNX）。

构建仿真环境（PyBullet、Isaac Sim）并设计Benchmark，加速算法迭代。

​​任职要求：

1. ​​基本要求

硕士及以上学历，人工智能、计算机、软件、信息处理、模式识别、电子信息等等相关专业。在企业参与项目三年以上，能够有研发项目带队能力。

2. ​​AI/ML核心技术​​

精通深度学习（CNN/RNN/Transformer）、强化学习（PPO、SAC、DQN）及经典机器学习算法（SVM、随机森林）。

掌握概率图模型（PGM）或贝叶斯优化（BO）用于不确定性决策。

熟悉多智能体强化学习（MARL）、元学习（Meta-Learning）或模仿学习（IL）优先。

熟练使用PyTorch/TensorFlow框架，掌握模型训练、调参及分布式训练技巧（如DDP）。

3. 机器人相关经验​​

熟悉机器人任务规划（如POMDP、Hierarchical RL）或运动规划（如RL-based RRT*）。

了解机器人感知-决策-控制闭环系统（ROS/ROS2经验优先）。

有工业机器人、服务机器人或自动驾驶决策系统开发经验优先。

4. 数据处理与优化​​

具备时序数据分析能力（Pandas、NumPy），熟悉数据增强与不平衡数据处理方法。

掌握模型轻量化技术（剪枝、量化、知识蒸馏）及嵌入式部署流程。

5. 综合素质​​

能与感知、控制算法工程师协作，推动AI模型在真实机器人系统中的闭环验证。

对机器人智能化、自主化有强烈兴趣，具备快速学习与解决复杂问题的能力。