{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "路径规划算法工程师（装载机）",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "伏羲机器人",
        "location": "杭州市",
        "work_mode": "未披露",AI生成
        "job_category": "人工智能"AI生成
    },
    "company": {
        "company_name": "网易",
        "company_industry": "互联网 / 游戏 / 数字内容",
        "company_size": "10000人以上",
        "company_website": "netease.com",
        "company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责装载机及工程机械的路径规划与轨迹生成算法的研发与工程化落地，涵盖全局路径规划、局部避障、动态环境适应及基于学习的轨迹优化等模块；\n2、参与自动驾驶/无人作业系统的感知-规划-控制闭环设计，结合激光雷达、视觉等多传感器数据进行融合与决策，支持传统方法与学习方法的混合规划架构；\n3、研发并优化基于数据驱动和强化学习的轨迹规划方法（如 imitation learning、 offline RL、 online RL 等），提升复杂工况下的作业效率和适应性；\n4、探索具身智能（Embodied AI）在工程机械中的应用，将多模态感知、交互学习与规划控制相结合，实现更智能的作业策略；\n5、优化规划算法在复杂工况下的实时性、稳定性与安全性，确保在不同地形与作业环境中的可靠性；\n6、推动规划算法在嵌入式平台与车载计算单元上的部署，完成真机联调与性能验证；\n7、跟踪自动驾驶、移动机器人、工程机械智能化等领域的前沿算法与技术，结合实际场景进行创新应用与转化。",
        "requirements_text": "1、熟练掌握路径规划、运动规划及相关算法（如RRT、MPC 等），并具备工程实现能力；\n2、熟悉基于学习的轨迹规划方法，了解模仿学习（Imitation Learning）、行为克隆（Behavior Cloning）、强化学习（RL）及其在连续控制中的应用；\n3、对具身智能（Embodied AI）有一定理解，能够将多模态感知、环境交互与决策规划结合，提高机器自主作业能力；\n4、精通 C++ 编程，熟悉 Python 脚本开发，具备良好的代码规范与工程化意识；\n5、熟悉 ROS/ROS2 开发环境，有真实机器人或无人驾驶车辆项目落地经验；\n6、熟悉多传感器数据融合与状态估计（如激光雷达、视觉、GPS/RTK、IMU 等），能在复杂环境中完成可靠规划；\n7、具备嵌入式系统部署经验，熟悉 CUDA 、OpenCL 等加速技术者优先；\n8、有工程机械、矿山设备、港口机械等行业经验者优先，了解液压控制原理及整车动力学者加分；\n9、具备良好的问题分析与解决能力，能够在真实工况中快速定位并优化算法瓶颈。",
        "skills": [AI生成
            "Python",
            "C++",
            "CUDA",
            "强化学习",
            "嵌入式"
        ],
        "preferred_qualifications": "7、具备嵌入式系统部署经验，熟悉 CUDA 、OpenCL 等加速技术者优先；8、有工程机械、矿山设备、港口机械等行业经验者优先，了解液压控制原理及整车动力学者加分",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://hr.163.com/job-detail.html?id=76335&lang=zh"
            }
        ]
    },
    "posting": {
        "posting_id": "76335",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://hr.163.com/job-detail.html?id=76335&lang=zh"
    },
    "fulltext": "路径规划算法工程师（装载机）\n职位描述\n1、负责装载机及工程机械的路径规划与轨迹生成算法的研发与工程化落地，涵盖全局路径规划、局部避障、动态环境适应及基于学习的轨迹优化等模块；\n2、参与自动驾驶/无人作业系统的感知-规划-控制闭环设计，结合激光雷达、视觉等多传感器数据进行融合与决策，支持传统方法与学习方法的混合规划架构；\n3、研发并优化基于数据驱动和强化学习的轨迹规划方法（如 imitation learning、 offline RL、 online RL 等），提升复杂工况下的作业效率和适应性；\n4、探索具身智能（Embodied AI）在工程机械中的应用，将多模态感知、交互学习与规划控制相结合，实现更智能的作业策略；\n5、优化规划算法在复杂工况下的实时性、稳定性与安全性，确保在不同地形与作业环境中的可靠性；\n6、推动规划算法在嵌入式平台与车载计算单元上的部署，完成真机联调与性能验证；\n7、跟踪自动驾驶、移动机器人、工程机械智能化等领域的前沿算法与技术，结合实际场景进行创新应用与转化。\n\n职位要求\n1、熟练掌握路径规划、运动规划及相关算法（如RRT、MPC 等），并具备工程实现能力；\n2、熟悉基于学习的轨迹规划方法，了解模仿学习（Imitation Learning）、行为克隆（Behavior Cloning）、强化学习（RL）及其在连续控制中的应用；\n3、对具身智能（Embodied AI）有一定理解，能够将多模态感知、环境交互与决策规划结合，提高机器自主作业能力；\n4、精通 C++ 编程，熟悉 Python 脚本开发，具备良好的代码规范与工程化意识；\n5、熟悉 ROS/ROS2 开发环境，有真实机器人或无人驾驶车辆项目落地经验；\n6、熟悉多传感器数据融合与状态估计（如激光雷达、视觉、GPS/RTK、IMU 等），能在复杂环境中完成可靠规划；\n7、具备嵌入式系统部署经验，熟悉 CUDA 、OpenCL 等加速技术者优先；\n8、有工程机械、矿山设备、港口机械等行业经验者优先，了解液压控制原理及整车动力学者加分；\n9、具备良好的问题分析与解决能力，能够在真实工况中快速定位并优化算法瓶颈。\n1、负责装载机及工程机械的路径规划与轨迹生成算法的研发与工程化落地，涵盖全局路径规划、局部避障、动态环境适应及基于学习的轨迹优化等模块；\n2、参与自动驾驶/无人作业系统的感知-规划-控制闭环设计，结合激光雷达、视觉等多传感器数据进行融合与决策，支持传统方法与学习方法的混合规划架构；\n3、研发并优化基于数据驱动和强化学习的轨迹规划方法（如 imitation learning、 offline RL、 online RL 等），提升复杂工况下的作业效率和适应性；\n4、探索具身智能（Embodied AI）在工程机械中的应用，将多模态感知、交互学习与规划控制相结合，实现更智能的作业策略；\n5、优化规划算法在复杂工况下的实时性、稳定性与安全性，确保在不同地形与作业环境中的可靠性；\n6、推动规划算法在嵌入式平台与车载计算单元上的部署，完成真机联调与性能验证；\n7、跟踪自动驾驶、移动机器人、工程机械智能化等领域的前沿算法与技术，结合实际场景进行创新应用与转化。\n1、熟练掌握路径规划、运动规划及相关算法（如RRT、MPC 等），并具备工程实现能力；\n2、熟悉基于学习的轨迹规划方法，了解模仿学习（Imitation Learning）、行为克隆（Behavior Cloning）、强化学习（RL）及其在连续控制中的应用；\n3、对具身智能（Embodied AI）有一定理解，能够将多模态感知、环境交互与决策规划结合，提高机器自主作业能力；\n4、精通 C++ 编程，熟悉 Python 脚本开发，具备良好的代码规范与工程化意识；\n5、熟悉 ROS/ROS2 开发环境，有真实机器人或无人驾驶车辆项目落地经验；\n6、熟悉多传感器数据融合与状态估计（如激光雷达、视觉、GPS/RTK、IMU 等），能在复杂环境中完成可靠规划；\n7、具备嵌入式系统部署经验，熟悉 CUDA 、OpenCL 等加速技术者优先；\n8、有工程机械、矿山设备、港口机械等行业经验者优先，了解液压控制原理及整车动力学者加分；\n9、具备良好的问题分析与解决能力，能够在真实工况中快速定位并优化算法瓶颈。",
    "standard_classification": {
        "std_category_code": "T013",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}