logo of xpeng

小鹏汽车【26届校招】机器人通信架构工程师

校招全职地点:深圳状态:招聘

任职要求


职位要求
1、通信工程、电子工程、计算机科学或相关专业本科及以上学历;
2、熟悉以太网协议栈、TCP/IP协议以及网络通…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1、负责实现人形机器人内部多层不同芯片之间的以太网互通及公网访问;
2、优化机器人在有线、无线及5G网络环境下的通讯性能和稳定性,解决潜在网络适配及性能问题;
3、参与机器人通讯协议的开发与维护,确保系统通讯的低延迟,高可靠性;
4、配合其他研发团队,支持机器人整体通讯框架的设计与实现,提升系统通信能力。
包括英文材料
学历+
TCP/IP+
还有更多 •••
相关职位

logo of xpeng
校招

(此岗位为系统岗位,不需要开发coding) 1、协助系统设计工作:在资深系统工程师指导下参与自动驾驶软硬件系统设计辅助工作,包括域控制器架构梳理、传感器连接方案分析、底软及中间件基础方案研讨;协助编制技术文件,学习技术文档的规范与逻辑,配合解决基础技术疑问,确保符合系统基础需求; 2、参与架构方案评估:协助收集域控制器系统架构相关的技术资料,参与架构方案的影响因素分析及讨论;配合完成方案落地过程中的基础调研与数据统计,学习架构设计的核心思路; 3、支持产品交付:参与自动驾驶产品量产项目,跟进软硬件开发的基础环节,协助完成测试验证数据整理、版本发布辅助及实施流程跟进等工作,熟悉全流程运作机制; 4、配合车型项目推进:紧扣整车开发基础流程,协助部门内外部基础资源;参与项目节点的基础跟进工作,整理项目进展和风险点,配合推进问题闭环的工作; 5、辅助文档编写评审:学习自动驾驶开发流程中各类技术文档的标准;协助编写域控制器硬件、基础软件及智能驾驶系统功能相关的基础文档,配合完成文档评审的准备工作。

更新于 2025-06-22广州
logo of xpeng
校招

1、开发机器人人机交互界面,通过用户友好的方式实现人与机器人的低延迟,流畅交互; 2、与包括大语言模型,端到端模仿学习等团队合作,实现各类机器人人机交互功能和界面; 3、与语音算法团队合作,开发集成机器人语音识别,语音互动,语音合成等功能,并与其他功能集成。 职位要求 1、计算机科学、电子工程或相关领域本科及以上学历; 2、精通 Android 或 Flutter 应用开发,精通 Java,Kotlin 等编程语言; 3、熟悉 Python, Java,Golang,C++ 等常见编程语言中至少两种; 4、具备出色的团队合作精神,拥有谦逊开放的态度,并且乐于持续学习。

更新于 2025-09-24深圳|上海
logo of xpeng
校招

【关于机器人中心】小鹏机器人中心专注于构建面向未来的人形机器人系统,融合先进的人工智能(AI)、控制、机械与系统工程,打造能感知、理解、操作并能和现实世界进行交互的下一代机器人。 【关于团队】该部门承担前沿智能方法的预研工作,专注于实现机器人三大核心智能能力:自主移动(导航)、灵巧操作和人机交互。我们深入布局大语言模型(LLM)、多模态视觉语言模型(VLM)和视觉语言行动模型(VLA),实现全流程自研,推动机器人从感知到决策的全面智能化落地。团队成员遍布深圳、上海和美国硅谷,聚集了世界一流的科研与工程人才,致力于将大模型技术真正落地到复杂、动态的物理环境中。在这里,你将:与来自 AI、机器人硬件、控制等领域的优秀工程师合作;参与推动 LLM/VLM/VLA 与机器人智能体的融合;构建能够自主学习与进化的“具身智能体”。 - 负责将大规模VLM/VLA模型高效部署于定制化芯片(NPU、TPU、ASIC、FPGA、GPU集群等); - 通过高效模型架构、推理图编译、算子融合与低延迟优化等方式,提升模型在各类硬件平台下的吞吐与功耗表现; - 设计并实现高性能推理框架,支持如长上下文、视频时空建模、工具调用等复杂功能; - 负责模型压缩与加速(量化INT8/FP8、蒸馏、剪枝、缓存、流式推理等)相关技术方案落地; - 联合芯片及系统团队,优化内存访问、调度策略、通信结构,达成端到端推理性能突破。

更新于 2025-10-22上海|深圳|北京
logo of xpeng
校招

负责大模型训练、推理和评测的基础设施研发,为算法团队提供高效稳定的工程底座。 1、训练系统:设计和优化大规模分布式训练架构(Pretrain/SFT/RL),解决千卡级训练的通信、调度、容错问题; 2、推理部署:基于 vLLM 等框架优化大模型推理性能,支撑 VLT/Omni 等模型在 XP5 端侧和云端的部署; 3、评测平台:开发 DeepInsight 评测系统,支持 LLM/VLM/WBC/VLA 多类模型的自动化评测、报告生成和 CI/CD 集成; 4、MLOps 工具链:构建模型版本管理、实验追踪、数据管理、资源调度等基础设施,提升研发效率; 5、RL 训练环境:构建分布式强化学习训练系统,支持 Agent-环境大规模并行交互。

更新于 2026-04-10深圳|北京|上海