传音算法测试工程师—语音类算法(J18494)

1、参与视觉、语音语义、AGI等算法模型及相关落地产品测试工作，与算法、产品对接需求、对齐准入准出标准 2、参与算法模型推理框架、模型工程化落地、服务部署等相关测试任务 3、负责方案/用例设计、数据集构建、问题跟踪、问题分析、完成测试报告等 4、参与业界前沿算法测试方法探索、模型质量评测系统的研究，建立和完善评测体系 5、参与工具平台建设、效率工具等开发，确保算法迭代的高效推进 6、跟踪行业最新动态、调研行业发展并整理报告

1、产品模块测试：基于模块底层原理，负责相机、音视频、功耗、性能及安卓系统等模块的测试设计以及自动化覆盖； 2、负责图像、视频、语音等算法的测试工作，开展前沿技术开发并建立标准化评测框架； 3、自动化测试工具及平台开发：负责自动化测试系统开发及测试工具开发； 4、搭建全流程质量数据分析模型，支撑产品全生命周期质量提升。

在这里，你将获得亿级用户产品研发质量保障的机会，学习行业先进的测试技术，并有机会成长为有业界影响力的测试专家。 具体工作方向包括： 方向一：自动化测试工具及平台开发：负责自动化测试系统开发及测试工具开发； 方向二：手机模块测试：在熟悉原理的基础上，负责互联网服务端及客户端、ROM、相机、音视频、WIFI、手机驱动、安卓系统等模块的测试设计，自动化实现； 方向三：通信测试：基于对于通信协议的理解，负责通信模块的测试设计； 方向四：负责图像、视频、语音等算法的测试工作，参与业界前沿算法质量评测系统的研究，建立和完善评测体系。 方向五：搭建质量监控和改进体系，基于大数据分析，支撑市场品质改善；

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。