网易硬件专家（智能工程机械）
任职要求
1、电子、通信、计算机、自动化等相关专业在校生，本科及以上学历。
2、熟悉自动驾驶或者AGV行业相关传感器、车辆线控及计算平台，了解其工作原理，有相关开发或者量产经…工作职责
1、负责工程机械智能化硬件系统架构设计以及智能化传感器等关键器件的选型适配，提供稳定可靠的智能化硬件解决方案； 2、负责工程机械主机厂商的前装智能化功能的研发和技术对接，协助推进前装辅助功能的产品化； 3、负责硬件研发流程和文档资料的梳理，输出完整的硬件生产组装SOP搭建以外部生态为主的生产模式，协助搭建规范交付流程并辅助交付团队完成项目交付。
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。
1. 主导具身智能机器人（不限于四足/人形/物流设备等）的系统架构设计及核心器件选型： 全面负责机器人本体硬件平台（结构、电驱、传感器系统）及运动控制系统的顶层设计、技术路线制定与关键器件评估选型； 2. 以具身AGI为技术导向，领导硬件与控制研发： 聚焦解决大空间、复杂室内外场景下的机器人高动态移动控制、鲁棒导航及自然人机交互等核心挑战，推动高性能硬件与控制算法的协同创新与工程落地； 3. 驱动端到端视觉-语言-动作（Vision-Language-Action）算法在机器人平台的集成与量产化：与算法团队协作，实现端到端VLA模型在机器人的高效部署、实时推理及性能优化，构建支撑算法迭代的闭环数据系统（数据引擎与数据飞轮）； 4. 引领技术前沿与构建影响力： 持续跟踪并研判行业前沿技术方案（硬件、控制、感知与AI融合），主导具身智能软硬件协同的核心技术攻关，并通过开源、顶会论文、专利等方式建立并提升团队的技术领导力与行业影响力。
1.进行机器人的市场洞察，包括但不限于市场空间、竞品动态、发展趋势和机会识别等； 2.进行机器人的需求分析及管理，包括但不限于应用场景、行业技术、市场&竞品、效益分析等，提出新产品研发方向； 3.主导机器人产品定义工作，并全程推进产品开发落地； 4.参与新产品的设计、加工、装配、测试和优化工作，直至产品定型，完成产品规格的制定； 5.进行产品全生命周期管理，包括产品线规划、信息管理（版本管理、BOM管理）等。
1、负责人形机器人、机械臂等硬件实体的调校、传感器标定，以及规控算法的设计与工程实践； 2、负责AI模型在机器人硬件系统上的算法部署、性能优化与工程化落地；