腾讯硬件开发-系统设计和验证方向

1. 路径规划 ‒ 开发适用于多种场景（如机器人导航、自动驾驶、无人机等）的路径规划算法； ‒ 实现经典和前沿的全局及局部路径规划方法（如 A*、Dijkstra、RRT、DWA 等），优化路径规划的效率和鲁棒性； ‒ 处理动态环境中的路径生成和调整，解决复杂场景下的避障问题。 2. 行动决策 ‒ 研究并实现具身智能体的行动决策算法，设计任务分解和行为选择的逻辑； ‒ 基于行为树（Behavior Tree）、有限状态机（FSM）等方法，构建模块化的决策框架； ‒ 开发多智能体协作与竞争的行动决策模型，支持复杂交互任务的执行。 3. 强化学习（Reinforcement Learning，RL） ‒ 针对具身智能场景（如机械臂控制、机器人动态避障、导航等），设计强化学习的 reward 函数和训练策略； ‒ 实现主流深度强化学习算法（如 DQN、DDPG、PPO、SAC 等），解决高维连续控制与探索问题； ‒ 优化强化学习模型的收敛速度和鲁棒性，提升算法在实际场景中的表现。 4. 模仿学习（Imitation Learning，IL） ‒ 通过专家示范数据（如轨迹、动作序列）训练智能体，实现模仿人类/智能体行为； ‒ 应用行为克隆（Behavior Cloning, BC）、逆强化学习（Inverse Reinforcement Learning, IRL）等技术解决稀疏奖励问题； ‒ 结合模仿学习与强化学习，提升智能体在复杂任务中的学习和泛化能力。 5. 算法优化与工程实现 ‒ 优化算法的计算效率和资源占用，适配实时性要求 ；‒ 在仿真环境（如 Gazebo、PyBullet、Mujoco 等）和真实设备中验证算法性能； ‒ 配合嵌入式团队完成算法在终端设备上的部署与优化。 6. 技术研究与创新 ‒ 跟踪具身智能领域的前沿算法进展，探索新技术的实际应用； ‒ 研究多模态感知与决策（如视觉、语音、触觉）的融合方法，提升智能体的环境理解与行动能力； ‒ 参与长期自主学习、在线学习和自适应学习系统的设计与开发。

● 设计和实现高效的分布式推理架构，提升多节点、多GPU环境下的推理速度和资源利用率。开发智能的请求调度算法，确保高并发场景下的最优响应时间和吞吐量。对推理引擎的运行时环境进行深度优化，减少延迟，提高整体性能。针对多种异构AI加速硬件（如NVIDIA GPU, AMD GPU, NPU等），对核心算子进行极致性能优化，最大化算力和访存带宽利用率。 ● 探索并实现极低bit量化技术和稀疏化，减少模型存储和计算资源消耗，同时保持推理精度。探索更高效的解码算法，提升生成任务的推理速度。 ● 设计并实现能够处理大规模并发请求的系统架构，确保极端负载下的稳定性和性能。引入容错机制、自动恢复和监控报警系统，保证系统的高可用性和稳定性。构建灵活的系统架构，支持动态扩展，以应对未来业务增长和技术演进的需求。 ● 持续关注并跟进业界技术发展，尤其是超长上下文、COT思维链、多模态融合等方向。积极尝试和探索新的推理优化方向，提出并验证创新性的解决方案。

1.负责具身智能AI感知算力硬件子系统的方案设计和可行性验证， 2.负责具身智能感知传感器选型和可行性验证， 3.负责系统硬件需求拆解，输出硬件设计详细需求和详细设计方案并组织评审 4.负责芯片、模组以及电子元器件选型，评估供应商芯片供应、市场应用、量产时间、成本、交期和demo性能测试验证 5.负责高速数字电路和模拟电路原理图和PCB布局布线设计和评审，具备信号完整性和电源完整性理论和仿真能力，保证硬件性能满足产品要求 6.负责pcba的工厂生产对接，单板硬件bringup调试，信号测量和功能性能调试，信号物理层一致性测试和SI/PI测试 7.负责单板和整机环境温度、EMC辐射传导、震动冲击、盐雾、ip防护、寿命耐久、压力测试等测试要求编写和测试计划规划，解决测试中遇到的硬件和包括软件、结构、热等系统性问题 8.协同造型、软件，算法，结构，热，系统等同事完善硬件设计和组织评审，完成单板和系统在DV/PV测试中问题解决，确保高质量交付 9.负责产线试产量产测试工作，规划产线测试流程和测试要求，如ICT/FCT/ATS/老化等技术规范，配合产线落实测试量产爬坡，解决产线测试不良和量产售后不良问题分析

1、负责制定具身本体核心技术路径和关键技术方向，对业内竞品进行持续深度跟踪分析，明确产品需求，制定产品路线图和发展策略； 2、负责具身本体产品的方案架构设计，主导跨专业（包括机械、电子、软件、力控等领域）的协作，确保产品从设计到量产的全过程符合技术标准和需求； 3、带领团队完成具身本体产品的整体方案架构设计、关键部件设计、本体优化、测试和生产验证全流程； 4、参与产品的可量产性评估及优化工作，协同完成批量生产，解决量产过程中涉及的软件、硬件问题。