荣耀运动规划与控制工程师

1、算法开发与优化：负责机器人运动规划控制算法（如强化学习、WBC、MPC等）的实现与改进，设计多关节系统的运动控制策略，实现高精度轨迹跟踪，开发动态障碍物避障算法，提升系统实时响应能力； 2、仿真与测试：基于ISAAC GYM/ROS/Gazebo搭建机器人运动规划仿真环境，设计典型场景测试用例，输出算法性能分析报告，包括成功率、实时性和鲁棒性指标； 3、系统集成与调试：参与机器人实际平台的算法部署，配合硬件团队进行执行器动态补偿与参数整定； 4、对人体关节、骨骼进行建模，显式或隐式定义关节约束，对给定的末端位置预测各个关节的位置和速度。

1、多自由度机械臂任务决策，运动规划与协同控制等算法的研发； 2、机器人安全自主避障，抓取操作等算法的研发； 3、与机械臂其他模块合作，整合算法系统，完成实机部署和测试。

1. 协助研发基于强化学习（RL）或模仿学习（IL）的自动驾驶决策规划算法，解决复杂交通场景下的车辆行为决策与运动规划问题； 2. 参与构建和优化用于训练决策模型的数据处理流程，包括特征工程、场景提取、奖励函数设计及大规模数据集处理； 3. 负责或参与相关算法的仿真测试、实车调试、性能评估与迭代优化，推动算法在真实环境中的性能提升和落地； 4. 跟踪并调研强化学习、模仿学习、行为预测等领域的国际前沿动态与最新研究成果（如顶会论文CVPR, ICRA, NeurIPS, ICML等），并尝试将其应用于实际项目； 5. 协助端到端自动驾驶大模型或相关子模块的研发与优化工作。

PNC组介绍：在自动驾驶系统中，决策规划与控制可以类比为人类的大脑与神经。确保“大脑与神经”正确高效地“思考”和安全舒适地“执行”，是一个优秀的规划与控制组的职责所在。规划控制团队分为决策团队、规划团队和控制团队。决策规划部门的主要目的是在复杂的无人驾驶环境中找到安全的行驶方案，例如通过人类驾驶的数据分析何时进行变道，对前方车辆是跟随还是绕行。决策规划部分还要从路上的真实数据中学习人类驾驶的共识，比如道路拥堵时到底什么时候能变道，后车要怎么表达出它是否让行，进而思考如何把这种共识应用到具体算法中。此外，决策规划要能将不同的未来收敛到当选确定的行为中。控制部分则是负责将上述的行为严格地执行到车辆上。 · 为自动驾驶提供安全、舒适和可预测的车辆运动轨迹 · 分析自动驾驶仿真和路测数据，提升对自动驾驶系统的理解，发现和解决运动规划问题