{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "机器人算法工程师（规划/控制方向）",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "网易游戏雷火2027届校园招聘",
        "location": "杭州",
        "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": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责工程机械的路径规划与轨迹生成算法研发与工程化，涵盖全局路径规划、局部避障、动态环境适应及轨迹优化；\n2. 负责多自由度机械臂的运动学、动力学建模，实现轨迹规划、逆运动学求解、力/位混合控制等算法；\n3. 负责整车运动控制算法设计与调试，覆盖速度控制、轨迹跟踪、转向控制、作业控制等场景，实现平顺、精准、高效的运动表现；\n4. 实现并调优主流控制算法（如 PID、LQR、MPC、Pure Pursuit、Stanley 等），完成多环控制系统建模，并结合执行机构特性完成前馈补偿、扰动抑制、非线性补偿等策略落地；\n5. 参与感知-规划-控制闭环设计，融合激光雷达、视觉、GPS/RTK、IMU 等多传感器数据完成状态估计与决策；\n6. 将机器学习/强化学习融合到传统控制与规划框架中，构建数据驱动或模型混合的智能策略，搭建仿真-实机闭环验证流程（Sim-to-Real），推动模型从离线训练到实车部署的落地；\n7. 配合整车团队完成控制系统与感知、规划、液压、电控等模块的联调联试，进行系统级问题排查与闭环优化；\n8. 跟踪自动驾驶、移动机器人、工程机械智能化等领域的前沿技术，推动创新应用与工程转化。",
        "requirements_text": "基础要求：\n1.机器人学、自动化/控制工程、机械工程、计算机科学、数学等相关专业，工程基础扎实；\n同时具备机械臂运动控制与移动机器人导航规划的基础知识，理解两类系统在规划与控制上的共性与差异；\n2.精通 C/C++，熟练使用 Python，具备良好的代码规范与工程化意识，掌握调试、性能分析与参数标定；\n3.熟悉 ROS/ROS2 开发环境，有真实机器人或无人驾驶车辆的实车调试与落地经验。\n专业能力：\n1.熟练掌握路径规划与运动规划算法（如 RRT、A*、MPC 等），并具备工程实现能力；\n2.熟练掌握经典与现代控制理论（PID、LQR、MPC、自适应控制等），具备扎实的运动学、动力学建模基础，有实车调试与控制效果调优经验；\n3.熟悉基于学习的规划与控制方法（模仿学习、行为克隆、强化学习等）在连续控制中的应用。\n加分项：\n1.具备机器学习/深度学习基础，熟悉 PyTorch/TensorFlow，有强化学习 Sim-to-Real、系统辨识与神经网络混合建模、自适应/鲁棒控制与学习融合等经验；\n2.具备嵌入式系统部署经验，熟悉 CUDA、OpenCL 等加速技术；\n3.有液压/伺服控制系统开发经验，了解非线性建模、延迟补偿、工况漂移标定等工程问题；\n有工程机械、矿山/港口设备、商用车或自动驾驶车辆的项目经验；\n4.对具身智能（Embodied AI）有理解，具备较强的现场动手能力、问题定位能力与跨团队协作沟通能力。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "TensorFlow",
            "CUDA",
            "机器学习",
            "深度学习",
            "强化学习",
            "嵌入式",
            "团队协作",
            "沟通能力",
            "建模",
            "C语言"
        ],
        "preferred_qualifications": "加分项：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus.163.com/app/detail/index?id=4697&projectId=77"
            }
        ]
    },
    "posting": {
        "posting_id": "77_4697",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus.163.com/app/detail/index?id=4697&projectId=77"
    },
    "fulltext": "机器人算法工程师（规划/控制方向）\n职位描述\n1. 负责工程机械的路径规划与轨迹生成算法研发与工程化，涵盖全局路径规划、局部避障、动态环境适应及轨迹优化；\n2. 负责多自由度机械臂的运动学、动力学建模，实现轨迹规划、逆运动学求解、力/位混合控制等算法；\n3. 负责整车运动控制算法设计与调试，覆盖速度控制、轨迹跟踪、转向控制、作业控制等场景，实现平顺、精准、高效的运动表现；\n4. 实现并调优主流控制算法（如 PID、LQR、MPC、Pure Pursuit、Stanley 等），完成多环控制系统建模，并结合执行机构特性完成前馈补偿、扰动抑制、非线性补偿等策略落地；\n5. 参与感知-规划-控制闭环设计，融合激光雷达、视觉、GPS/RTK、IMU 等多传感器数据完成状态估计与决策；\n6. 将机器学习/强化学习融合到传统控制与规划框架中，构建数据驱动或模型混合的智能策略，搭建仿真-实机闭环验证流程（Sim-to-Real），推动模型从离线训练到实车部署的落地；\n7. 配合整车团队完成控制系统与感知、规划、液压、电控等模块的联调联试，进行系统级问题排查与闭环优化；\n8. 跟踪自动驾驶、移动机器人、工程机械智能化等领域的前沿技术，推动创新应用与工程转化。\n\n职位要求\n基础要求：\n1.机器人学、自动化/控制工程、机械工程、计算机科学、数学等相关专业，工程基础扎实；\n同时具备机械臂运动控制与移动机器人导航规划的基础知识，理解两类系统在规划与控制上的共性与差异；\n2.精通 C/C++，熟练使用 Python，具备良好的代码规范与工程化意识，掌握调试、性能分析与参数标定；\n3.熟悉 ROS/ROS2 开发环境，有真实机器人或无人驾驶车辆的实车调试与落地经验。\n专业能力：\n1.熟练掌握路径规划与运动规划算法（如 RRT、A*、MPC 等），并具备工程实现能力；\n2.熟练掌握经典与现代控制理论（PID、LQR、MPC、自适应控制等），具备扎实的运动学、动力学建模基础，有实车调试与控制效果调优经验；\n3.熟悉基于学习的规划与控制方法（模仿学习、行为克隆、强化学习等）在连续控制中的应用。\n加分项：\n1.具备机器学习/深度学习基础，熟悉 PyTorch/TensorFlow，有强化学习 Sim-to-Real、系统辨识与神经网络混合建模、自适应/鲁棒控制与学习融合等经验；\n2.具备嵌入式系统部署经验，熟悉 CUDA、OpenCL 等加速技术；\n3.有液压/伺服控制系统开发经验，了解非线性建模、延迟补偿、工况漂移标定等工程问题；\n有工程机械、矿山/港口设备、商用车或自动驾驶车辆的项目经验；\n4.对具身智能（Embodied AI）有理解，具备较强的现场动手能力、问题定位能力与跨团队协作沟通能力。\n1. 负责工程机械的路径规划与轨迹生成算法研发与工程化，涵盖全局路径规划、局部避障、动态环境适应及轨迹优化；\n2. 负责多自由度机械臂的运动学、动力学建模，实现轨迹规划、逆运动学求解、力/位混合控制等算法；\n3. 负责整车运动控制算法设计与调试，覆盖速度控制、轨迹跟踪、转向控制、作业控制等场景，实现平顺、精准、高效的运动表现；\n4. 实现并调优主流控制算法（如 PID、LQR、MPC、Pure Pursuit、Stanley 等），完成多环控制系统建模，并结合执行机构特性完成前馈补偿、扰动抑制、非线性补偿等策略落地；\n5. 参与感知-规划-控制闭环设计，融合激光雷达、视觉、GPS/RTK、IMU 等多传感器数据完成状态估计与决策；\n6. 将机器学习/强化学习融合到传统控制与规划框架中，构建数据驱动或模型混合的智能策略，搭建仿真-实机闭环验证流程（Sim-to-Real），推动模型从离线训练到实车部署的落地；\n7. 配合整车团队完成控制系统与感知、规划、液压、电控等模块的联调联试，进行系统级问题排查与闭环优化；\n8. 跟踪自动驾驶、移动机器人、工程机械智能化等领域的前沿技术，推动创新应用与工程转化。\n基础要求：\n1.机器人学、自动化/控制工程、机械工程、计算机科学、数学等相关专业，工程基础扎实；\n同时具备机械臂运动控制与移动机器人导航规划的基础知识，理解两类系统在规划与控制上的共性与差异；\n2.精通 C/C++，熟练使用 Python，具备良好的代码规范与工程化意识，掌握调试、性能分析与参数标定；\n3.熟悉 ROS/ROS2 开发环境，有真实机器人或无人驾驶车辆的实车调试与落地经验。\n专业能力：\n1.熟练掌握路径规划与运动规划算法（如 RRT、A*、MPC 等），并具备工程实现能力；\n2.熟练掌握经典与现代控制理论（PID、LQR、MPC、自适应控制等），具备扎实的运动学、动力学建模基础，有实车调试与控制效果调优经验；\n3.熟悉基于学习的规划与控制方法（模仿学习、行为克隆、强化学习等）在连续控制中的应用。\n加分项：\n1.具备机器学习/深度学习基础，熟悉 PyTorch/TensorFlow，有强化学习 Sim-to-Real、系统辨识与神经网络混合建模、自适应/鲁棒控制与学习融合等经验；\n2.具备嵌入式系统部署经验，熟悉 CUDA、OpenCL 等加速技术；\n3.有液压/伺服控制系统开发经验，了解非线性建模、延迟补偿、工况漂移标定等工程问题；\n有工程机械、矿山/港口设备、商用车或自动驾驶车辆的项目经验；\n4.对具身智能（Embodied AI）有理解，具备较强的现场动手能力、问题定位能力与跨团队协作沟通能力。",
    "standard_classification": {
        "std_category_code": "T013",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}