logo of xpeng

小鹏汽车具身高性能通信工程师

实习兼职地点:深圳 | 北京 | 上海状态:招聘

任职要求


1、本科及以上学历,计算机、通信工程、电子工程等相关专业;
2、熟悉TCP/IP 协议栈,具备网络通信系统开发经验;
3、熟悉 DDS(FastDDS/CycloneDDS/自研 xDDS)或类似发布-订阅中间件;
4、有以下至少一项经验:
- 实时音视频传输(WebRTC/RTP/H.264/H.265 编解码);
- 高性能网络编程(epoll/io_uring/DPDK…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


负责人形机器人内部和外部通信系统的架构设计与性能优化,保障多芯片、多设备间的高速可靠数据传输。
1、设计和实现机器人内部多芯片(XP5-A/B/C、HRU)之间的高性能以太网通信架构,保障控制指令和传感器数据的低延迟传输;
2、深度优化机器人在 5G、WiFi 等无线网络环境下的通信性能,解决网络适配、带宽瓶颈、信号稳定性等问题;
3、设计和开发 DDS Bridge 系统,支持 WebSocket/UDP/WebRTC 等多协议到 DDS 总线的高效桥接;
4、主导无线图传系统的架构设计与延迟优化(端到端采集→编码→传输→解码→渲染),支撑遥操作和远程监控场景;
5、制定通信协议规范和测试标准,建立通信链路的自动化测试和监控体系。
包括英文材料
学历+
TCP/IP+
中间件+
网络编程+
还有更多 •••
相关职位

logo of xpeng
实习

负责人形机器人本体软件系统的设计与开发,将 AI 算法落地为可靠运行的机器人软件。 1、与算法团队紧密协作,将强化学习、VLA、大语言模型等 AI 能力集成到机器人系统中,开发并优化 C++ 推理管道; 2、设计并实现机器人核心软件架构,包括功能状态机、资源编排、任务调度,控制机器人自主完成复杂任务; 3、开发高性能中间件(通信、监控、日志),确保多模块间低延迟、高可靠的数据交换; 4、负责机器人数据采集、录制、回放及云端同步的全链路开发,保障数据闭环; 5、参与嵌入式层开发,包括传感器(IMU、摄像头、力传感器)和执行器驱动,打通 AI 算法到底层硬件的完整链路。

更新于 2026-04-10深圳|北京|上海
logo of antgroup
社招3年以上技术类-数据

核心使命:构建下一代具身智能数据交互平台,通过高性能Web 可视化技术,赋能算法研发、数据闭环与仿真验证。 1. 多模态数据可视化引擎开发 - 统计分析可视化:开发数据看板,支持对海量机器人数据(任务日志、状态指标、标注结果)的聚合、筛选、图表展示(时序曲线、热力图、分布图等)。 - 实时回放与交互可视化:构建类播放器的交互界面,支持传感器数据(视频流、点云、IMU)及机器人状态(关节角度/轨迹)的逐帧回放、拖拽跳转、多流同步。 2. 数据工具链前端实现 - 可视化标注平台:开发交互式标注工具(如2D/3D 框体标注、轨迹标注、语义标注),支持视频、点云等多模态数据的联合标注,并与后端标注存储系统集成。 - 数据查询与检索系统:实现灵活的数据查询界面(如按时间范围、任务ID、传感器类型过滤),支持数据样本的实时预览与导出。 - 仿真过程可视化:对接仿真引擎,实时渲染机器人动作、环境状态及任务执行过程,支持调试与结果分析。 3. 实时数据流处理与通信 - 构建低延迟数据通信层:使用WebSocket/WebRTC 实现传感器数据流的实时传输与播放控制。 - 设计时间轴同步机制:确保多传感器数据(视频、激光雷达、关节状态)在回放时严格对齐,支持全局时间戳控制。 4. 跨职能协作 - 与后端工程师紧密合作,定义数据接口格式、通信协议及性能优化点。 - 与算法/数据工程师协作,理解数据语义与业务需求,设计直观的数据交互流程。 - 与仿真团队对接,实现仿真结果的可视化验证。

更新于 2026-01-05上海
logo of tcl
社招5年以上智能制造类

职责模块:自动化设备部; 职责描述:负责制造中心四地项目智能制造创新业务导入的技术支持,侧重电控和机器人&视觉;负责机器人集成运用、技能培训、自制调试;赋能四地项目推广及业务承接。; 权重:90%%。

更新于 2025-12-10中山
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