部署优化实习生

负责机器人核心AI模型（感知规划导航、多模态理解等）在嵌入式平台（如NVIDIA Jetson Orin/Thor等）的模型部署与工程化实现。

完成模型格式转换、封装高性能推理接口，并与机器人软件栈（ROS/ROS2）无缝集成。

运用量化、剪枝、蒸馏等技术，在保证模型精度的前提下降低计算复杂度和内存占用，满足实时性要求。

参与机器人软件系统的性能分析与优化，解决推理过程中的内存瓶颈、数据传输延迟、多模型并发调度等工程问题。

建立完善的模型评估体系，围绕推理延迟、吞吐量、功耗、精度等关键指标进行持续跟踪与优化。

跟踪具身智能、大模型推理优化领域的最新技术进展，持续引入先进的推理加速方案。

构建并维护模型部署的工具链与自动化流程，提升部署效率与可复现性。

本科及以上学历，计算机、自动化、机器人、电子信息等相关专业。

熟悉理解PyTorch/TensorFlow等主流深度学习框架，熟悉模型训练、导出、流转全流程。

熟练至少两套算法工具链，包括ONNX、TensorRT等，能独立完成模型转换、优化与部署。

熟悉至少一种高性能推理引擎，有大模型（LLM/VLM）端侧部署经验者优先。

熟悉常见模型压缩技术：量化、剪枝、蒸馏、低秩分解等，具备实际项目落地经验。

了解主流端侧AI芯片架构（NVIDIA 、瑞芯微、地平线等），熟悉其编程与优化方法。

了解机器人操作系统（ROS/ROS2）基本概念，能与机器人软件栈进行集成调试。

具备出色的源码分析与故障排查能力，能快速定位推理延迟、精度异常等深层次系统问题。

具备良好的团队协作意识，能与算法、软件、硬件工程师高效沟通协作。

对具身智能与机器人技术有强烈热情，具备快速学习能力和自驱力。