阿里云阿里云智能-工业控制优化算法专家-杭州/广州
任职要求
1、 全日制硕士研究生及以上学历，电气、自动化、热动等工科相关专业，具有5年以上流程化工、火电热电等工业控制系统设计及优化调试工作经 2、 掌握PID、MPC等常规控制算法原理及参数整定方法；熟悉常用的LP、NLP以及种群优化等优化求解算法； 3、 具备扎实的编程…
工作职责
1. 核心控制优化算法研发： 负责设计和开发适用于流程制造、发电等行业的工业控制优化核心算法，并沉淀工业算法平台中 2. 行业解决方案研发： 针对流程制造及发电行业的具体应用场景（如能耗优化、环保优化、产量提升等），进行深入分析并设计出具有竞争力的控制优化方案。负责方案的关键技术突破，旨在构建难以被复制的技术壁垒，为客户提供差异化的价值。 3. 探索大模型与控制优化最佳结合： 研究如何将大语言模型及多模态大模型应用于工业控制优化领域，保障模型输出的可靠性，形成可落地可投运的方案 4. 重点项目交付： 在重大项目的实施过程中担任关键角色，与客户及伙伴合作，推动产品与方案在项目中的落地，确保项目按时高质量完成 5. 业务机会与技术支持： 积极参与跨部门合作，与架构师、产品经理密切配合，在项目执行以及客户交流过程中，识别潜在的业务机会和技术需求，提供专业的技术支持和解决方案建议，助力公司业务的持续增长。
1、设计并实现高精度定位的多模态数据融合方案（如GPS、IMU、视觉等），提升环境感知与定位鲁棒性。 2、开发端到端的定位及轨迹预测算法，结合自回归模型（AR）或时序建模技术，实现复杂交通场景下的高可靠性决策。 3、探索大模型（如Transformer、GNN）在自动驾驶中的应用，设计基于强化学习（RL）的决策优化框架，提升动态环境下的安全性和效率。 4、研究并实现基于强化学习的运动规划算法，结合奖励函数设计与策略优化。 5、将算法部署至实际终端，完成实时性、稳定性优化，推动算法在真实场景中的闭环迭代。 6、技术攻坚与创，跟踪学术界与工业界最新进展（如BEV感知、diffusion policy、模仿学习等），主导关键技术预研与原型开发。
职位描述 1、负责喷墨打印机或3D打印机的传感器选型、驱动开发、数据采集与处理，包括但不限于温度、压力、位置、光电、激光等传感器的集成； 2、设计高精度传感器信号处理算法（如滤波、校准、噪声抑制），确保传感器数据的准确性与实时性，支撑打印机的精密控制； 3、开发传感器数据融合方案，结合多传感器信息实现设备状态监测、故障预警及自适应控制功能；
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
深入业务视角，以多模态大数据建模及计算物理仿真为基础，借助AI赋能，帮助半导体工程/工艺/元件特性先行预测与优化，提升工程/工艺/元件研发效率。 工作职责： 1.基于半导体工程/工艺/元件研发需求，开发AI Agent，实现研发流程的自动化与智能化； 2.结合大模型技术（如LLM、多模态大模型等），构建智能化的业务交互与决策系统，提升研发效率； 3.基于产品全生命周期的生产大数据，开发根因查询（RCA）、虚拟量测（VM）、高级工艺控制（APC）、高级机台控制（AEC）等智能化解决方案； 4.开发基于业务驱动的智能工程/工艺/元件设计优化工具，结合物理信息神经网络（PINN）、复杂结构数字孪生、先进材料自动选型等技术，实现研发创新； 5.与半导体研发工程师深入合作，理解业务逻辑，打通数据流，设计并开发能够替代工程师重复操作的AI Agent； 6.探索大模型及AI Agent在半导体研发中的应用场景，推动AI技术与业务需求的深度融合。