小鹏汽车机器人整机研发项目管理实习生
任职要求
岗位要求 1、基本条件 - 硕士及以上学历，机械工程、电子工程、自动化、机电工程、机器人等相关专业； - 能够理解结构件设计、电器架构（EEA）、基础电路、常见传感器等硬件体系；具备跨硬件/软件协作经验； - 优秀的沟通协调能力与跨团队推进经验，善于从复杂信息中提取关键问题； - 具备项目管理基本方法论； - 工作主动、责任心强，结果导向，具备良好的系统性思考能力； 2、优选条件 - 在机器人、智能硬件、消费电子、无人机、自动驾驶、特种设备、机电产品整机研发…
工作职责
加入前沿机器人团队，与工程专家一起构建下一代人形机器人 小鹏机器人中心致力于打造未来一代的人形机器人产品，从结构件、执行系统、电器架构到智能感知与控制算法，整机研发体系完整而先进。 作为技术项目管理实习生，你将与整机研发团队紧密协作，参与真实的工程项目推进，为成为优秀的技术型 TPM 迈出关键一步。 1、支持整机研发过程管理 - 协助跟踪结构、EEA、电子电器等子系统的关键任务进展，整理项目数据与状态报告； - 协助输出接口文档、节点规划、测试需求等材料； 2、项目风险与卡点跟踪支持 - 协助记录研发过程中的关键问题、技术卡点、依赖关系，并推动信息同步至相关团队； - 在资深工程师/项目经理指导下，参与卡点分析与解决方案讨论； 3、研发过程信息流与文档体系建设 - 建设与维护项目文档、会议纪要、测试记录、项目 wiki 等内部知识库，提高项目透明度与可查性； - 支持内部流程优化，如需求流转、材料准备、试制协同等； 4、跨团队协调辅助工作 - 与结构、电器、算法、测试等团队保持沟通，确保信息同步； - 协助安排跨团队会议、试制过程对接、资源申请等工作。
主导机器人行业趋势与市场需求洞察，结合技术可行性与商业价值，挖掘高潜力应用场景，输出差异化产品定义与竞争策略。 主导用户需求挖掘，将抽象需求转化为具体的产品功能、交互逻辑与形态设计，确保产品定义兼具创新性与落地性。 与技术产品经理、技术团队高效协同，推动技术攻关与方案优化，确保关键模块（如结构、运控、电子电气传感器、环境感知与理解、导航规控等）的研发落地符合产品定义。 制定并管理研发计划，覆盖需求分析、原型开发、测试验证、量产交付等阶段，确保项目按期按质交付且BOM成本达标。 为产品商业成功负责，进行产品全生命周期管理，协调内外部资源如供应链、市场、售后，确保产品从概念到上市的成功。 沉淀产品方法论与技术资产，推动团队能力升级，提升产品线整体竞争力。
方向： 机器人模型上机 / 整机联调 / 客户 POC 交付 岗位定位： 将云侧训练完成的 VLA、策略模型等部署到真实机器人，贯通「模型输出 → 中间件 → 控制系统 → 执行器」全链路，推动模型在真实场景稳定安全运行。融合运控、系统集成、模型部署与客户交付能力，核心解决具身模型从训练到落地的工程化问题。 岗位职责： 1. 模型上机部署：将 VLA / 模仿学习 / 强化学习模型接入真机，完成观测空间与动作空间适配（关节位置、速度、力矩、末端位姿、底盘速度等）。 2. 部署链路搭建：设计「云端训练 → 边缘推理 → 机器人控制器」架构，覆盖推理、实时控制、安全策略、通信协议与控制频率等模块。 3. 整机联调：对接机械臂、移动机器人、人形等多种本体，集成 ROS/ROS2、厂商 SDK、驱动、传感器及控制器，完成运控链路搭建与整机调试。 4. 运控优化：开发 / 集成运动学、轨迹生成、位置 / 速度 / 力矩 / 阻抗 / 力控制等能力，提升动作平滑性、精度、响应、稳定性与安全性。 5. Sim2Real 适配：基于 MuJoCo / Isaac Sim / Gazebo 等仿真环境验证，完成坐标、控制周期、数据归一化、传感器与动力学参数适配。 6. 客户交付：理解客户本体与场景，制定部署方案，参与远程或现场部署、问题定位与验收。 7. 能力沉淀：将适配接口、控制模块、诊断工具与部署流程标准化，建设适配层与工具体系。 8. 闭环反馈：与训练、数据、仿真、云平台团队协作，将真机数据与问题反哺训练与工具链。
1、负责挖掘机多自由度机械臂的运动学、动力学建模，设计并实现运动控制算法（轨迹规划、逆运动学求解、力/位混合控制等）； 2、负责液压运动控制系统的轨迹控制器开发、调优、嵌入式移植及产品化落地，解决液压系统固有的响应延迟、非线性、死区特性等控制难题； 3、研究并应用机器学习/深度学习方法融合到传统控制框架中，构建数据驱动或模型混合的智能控制策略，重点攻克以下课题： （1）液压系统时变延迟的在线辨识与自适应补偿； （2）控制特性随油温、负载、磨损等工况变化的鲁棒适应问题（如基于学习的参数自整定、域自适应）； （3）利用强化学习（RL）/ 模仿学习等方法优化挖掘机复杂作业场景下的运动控制策略； （4）搭建仿真-实机闭环验证流程（Sim-to-Real），推动基于学习的运动控制模型从离线训练到实车部署的全链路落地；
1、负责挖掘机多自由度机械臂的运动学、动力学建模，设计并实现运动控制算法（轨迹规划、逆运动学求解、力/位混合控制等）； 2、负责液压运动控制系统的轨迹控制器开发、调优、嵌入式移植及产品化落地，解决液压系统固有的响应延迟、非线性、死区特性等控制难题； 3、研究并应用机器学习/深度学习方法融合到传统控制框架中，构建数据驱动或模型混合的智能控制策略，重点攻克以下课题： 4、液压系统时变延迟的在线辨识与自适应补偿； 5、控制特性随油温、负载、磨损等工况变化的鲁棒适应问题（如基于学习的参数自整定、域自适应）； 6、利用强化学习（RL）/ 模仿学习等方法优化挖掘机复杂作业场景下的运动控制策略； 7、搭建仿真-实机闭环验证流程（Sim-to-Real），推动基于学习的运动控制模型从离线训练到实车部署的全链路落地；