荣耀机器人感知规划算法仿真专家

1、研发机器⼈视觉-语⾔多模态⼤模型算法⽅案，负责基于 VLM/VLA/VLN等机器⼈领域多模态算法的技术研究与落地； 2、构建传统规划与强化学习方法结合进行导航的能力，提升动态变化环境下，目标检测、语义分割等任务的仿真精度； 3、构建具备高保真的静态环境（物理属性、纹理等）、动态环境场景（如光照变化、动态障碍物），验证和优化感规控算法的鲁棒性。

- 结合测试业务需求，对机器人产品（双足、四足、灵巧手）进行选型、设计与集成； - 开发/应用机器人感知系统和运动控制系统，落地基础能力：环境建图、目标识别、轨迹规划等； - 针对测试对象，开发/应用通用型具身算法，实现物体泛化、任务泛化能力； - 研究多模态具身大模型，实现机器人对复杂测试任务的分解，及和物理世界的交互（视觉、触觉、语音等）； - 追踪行业动态，对进行评测和落地，持续优化应用；

1. 负责基于强化学习（如Online/Offline RL、Model-based RL）的自动驾驶行为决策与运动规划算法研发，重点解决结构化道路（高速、城市快速路）及非结构化场景（自动泊车）中的动态交互与博弈问题； 2. 针对复杂动态场景（密集车流、无保护路口、人车混流），设计基于数据驱动的决策规划算法，通过大规模分布式训练系统提升策略的智能性、安全性及泛化能力； 3. 构建与迭代仿真环境（如CARLA、NVIDIA Isaac）与世界模型，推动强化学习策略的仿真训练与实车迁移（Sim2real），形成“真实数据→仿真训练→实车验证”的闭环优化； 4. 参与全栈自动驾驶决策控制系统的开发，对接感知、预测、端到端模块，实现基于强化学习的决策规划算法在车载平台上的部署、性能优化与实车路测； 5. 跟踪强化学习在自动驾驶领域的前沿进展（如大模型与RL结合、逆强化学习、多智能体博弈），进行技术预研与算法创新，推动研究成果在量产项目中的应用与落地。

1，算法开发与优化： 负责自动驾驶模型算法的研发设计，包括但不限于行为决策、轨迹生成、运动规划等模块的深度学习/强化学习模型设计 探索基于Transformer、模仿学习（Imitation Learning）、强化学习（RL）等前沿技术的模型算法设计、应用方案 优化自动驾驶算法的实时性、安全性和舒适性，解决复杂场景（如拥堵、交互博弈、长尾问题）下的规划挑战 2，数据驱动迭代： 构建和利用大规模驾驶数据集（仿真+真实数据），设计数据闭环 pipeline 提升规划性能 参与数据标注、场景挖掘、仿真测试等环节，推动算法迭代 3，系统集成与部署： 与感知、控制等模块团队协作，实现模型算法在车载计算平台的部署 支持实车测试，分析问题并提出改进方案。 4，前沿技术跟踪： 跟进学术界（如CVPR、ICRA、CoRL）和工业界最新进展，将创新技术落地到量产或研发项目中