导航算法工程师（规控方向）

负责机器人巡检系统在复杂场景下的路径规划、运动控制与规控算法研发，包括全局规划、局部规划、轨迹生成、轨迹跟踪和避障控制。 负责机器人在动态工厂环境中的通行策略设计与优化，提升复杂障碍环境下的通过性、安全性和运行稳定性。 结合定位、地图和障碍信息，设计面向巡检任务的导航决策与运动控制方案，支持巡检点精准到达和定点定姿执行。参与机器人运动学、动力学建模与仿真验证，开展控制参数调优和系统性能评估。 与定位、感知、系统集成团队协同完成算法在真机平台上的部署、联调、问题定位和版本迭代。跟踪 MPC、行为树、基于优化/采样/学习的规划控制算法等技术方向，结合项目场景开展预研。 后续可参与人形机器人在移动规控、任务执行和复杂动作决策中的操作规控算法开发

经验要求3-5年优先，具备完整机器人导航或移动机器人规控项目经验者优先。 学历要求本科及以上，硕士优先；优秀本科候选人可适当放宽。专业要求机器人、自动化、控制工程、计算机、数学、机械电子等相关专业。 能力要求熟悉 C/C++、 Python，具备良好的算法实现与工程化能力。熟悉 Linux 开发环境，具备 ROS/ROS2 实际项目经验。熟悉常用全局/局部路径规划算法，如 A*、 Dijkstra、 D*、 RRT、 TEB、 DWA等中的一个或多个，并有实际调试经验。熟悉常用运动控制算法， 如 PID、 MPC、轨迹跟踪、状态估计等，能够完成控制策略设计与调优。 具备移动机器人、巡检机器人、 AGV/AMR、无人车或四足机器人项目经验者优先。 具备较强的问题分析能力，能够定位导航失败、轨迹不稳定、避障异常、控制振荡等工程问题。 加分项有机器狗、人形机器人、移动机器人、无人车、 AMR/AGV 项目经验。熟悉代价地图、地图更新机制、行为树、多车规划或任务分配。熟悉 Mujoco、 Gazebo、 Isaac Gym/Sim 等仿真平台。具备机器人运动学、动力学、优化控制、最优控制相关背景。有论文、专利、开源项目或竞赛成果。对Learning-Based Planner有学习、 训练以及使用经验