蚂蚁金服蚂蚁集团-硬件测试工程师-具身智能方向
任职要求
1. 机械、机械电子、电气、控制、通信、计算机相关专业，本科及以上学历；
2. 熟悉机械臂、伺服关节相关测试标准，有传感器、电机测试经验优先；
3. 熟悉常见的机械臂测量设备及工具，如…工作职责
1. 负责机械臂、灵巧手、整机的硬件测试及相关测试方法制定、测试报告的输出、工装测试平台的搭建工作，测试项包括不限于机械臂末端重复/绝对定位精度、末端刚度、力控精度、负载能力及可靠性； 2. 编写详细的测试用例，执行功能测试、性能测试、稳定性测试等多种测试类型 3. 收集测试数据，编写测试报告，分析测试结果，提出改进建议 4. 优化测试流程和工具，推动测试方法和技术的创新与提升
1、 负责机器人相关电路板（PCBA）的测试，根据产品需求和技术文件（原理图、PCB布局、BOM等）识别测试风险和关键点，并进行相关测试。 2、 执行电源模块特性测试，包括但不限于纹波噪声、动态负载响应、效率、功耗及上下电时序。 3、 进行板级信号完整性测试，如关键时钟/数据信号的眼图、时序分析，确保信号质量。 4、 验证各类硬件接口总线，包括I2C, SPI, UART, CAN, Ethernet, RS485, RGMII, SGMII, I2S等，确保通信可靠。 5、 搭建测试环境并执行电路板功能测试，验证各电路模块（如传感器采集、执行器驱动、主控逻辑、电源管理等）功能是否符合设计规格，编写或维护自动化测试脚本，提升FCT测试效率与一致性。 6、 设计并执行环境应力测试，评估PCBA在极端条件下的稳定性，包括高低温循环、高温高湿存储、冷启动、机械振动、冲击测试等。 7、 对测试中出现的故障进行根因分析，能够运用示波器、逻辑分析仪、热像仪等工具定位到元器件异常或设计缺陷。 8、 参与产品的EMC（电磁兼容）及安规测试，根据测试结果，参与相关的整改方案讨论与验证测试工作。
1. 基于 NVIDIA Isaac 的仿真平台开发 ‒ 搭建和维护基于 NVIDIA Isaac Sim 的机器人仿真系统，支持多种机器人类型（例如移动机器人、机械臂、无人车等）。 ‒ 利用 NVIDIA Omniverse 技术，构建高保真的虚拟环境，模拟物理特性（如动力学、传感器特性、碰撞检测等）。 ‒ 开发和优化 Isaac Sim 中的自定义扩展模块，满足项目需求。 2. 环境建模与场景构建 ‒ 使用 NVIDIA Omniverse 和其他建模工具（如 Blender、Maya）创建逼真的仿真环境和场景。 ‒ 配置和调试虚拟传感器（如激光雷达、摄像头、IMU）以模拟真实硬件行为。 ‒ 构建动态交互场景，用于测试机器人在复杂环境中的性能。 3. 机器人控制与算法验证 ‒ 在仿真环境中集成和测试机器人算法（如SLAM、路径规划、运动控制）。 ‒ 验证和优化机器人感知算法（如视觉检测、环境感知）在高保真模拟环境中的效果。 ‒ 通过仿真结果分析算法性能，为实际机器人实施提供支持。 4. 系统集成与工具链开发 ‒ 与机器人硬件和软件团队合作，将仿真结果与实际机器人验证无缝对接。 ‒ 开发自动化测试工具和数据可视化分析工具，提高开发效率和数据洞察能力。 ‒ 集成 Isaac 与其他机器人框架（如 ROS/ROS 2）以支持全栈开发。 5. 研究与创新 ‒ 研究 NVIDIA Isaac 平台的最新功能和应用场景，将新技术引入仿真系统开发。 ‒ 跟踪机器人仿真领域的前沿技术（如物理引擎优化、AI 模型仿真、数字孪生技术），并应用于项目中。
1. 路径规划 ‒ 开发适用于多种场景（如机器人导航、自动驾驶、无人机等）的路径规划算法； ‒ 实现经典和前沿的全局及局部路径规划方法（如 A*、Dijkstra、RRT、DWA 等），优化路径规划的效率和鲁棒性； ‒ 处理动态环境中的路径生成和调整，解决复杂场景下的避障问题。 2. 行动决策 ‒ 研究并实现具身智能体的行动决策算法，设计任务分解和行为选择的逻辑； ‒ 基于行为树（Behavior Tree）、有限状态机（FSM）等方法，构建模块化的决策框架； ‒ 开发多智能体协作与竞争的行动决策模型，支持复杂交互任务的执行。 3. 强化学习（Reinforcement Learning，RL） ‒ 针对具身智能场景（如机械臂控制、机器人动态避障、导航等），设计强化学习的 reward 函数和训练策略； ‒ 实现主流深度强化学习算法（如 DQN、DDPG、PPO、SAC 等），解决高维连续控制与探索问题； ‒ 优化强化学习模型的收敛速度和鲁棒性，提升算法在实际场景中的表现。 4. 模仿学习（Imitation Learning，IL） ‒ 通过专家示范数据（如轨迹、动作序列）训练智能体，实现模仿人类/智能体行为； ‒ 应用行为克隆（Behavior Cloning, BC）、逆强化学习（Inverse Reinforcement Learning, IRL）等技术解决稀疏奖励问题； ‒ 结合模仿学习与强化学习，提升智能体在复杂任务中的学习和泛化能力。 5. 算法优化与工程实现 ‒ 优化算法的计算效率和资源占用，适配实时性要求 ；‒ 在仿真环境（如 Gazebo、PyBullet、Mujoco 等）和真实设备中验证算法性能； ‒ 配合嵌入式团队完成算法在终端设备上的部署与优化。 6. 技术研究与创新 ‒ 跟踪具身智能领域的前沿算法进展，探索新技术的实际应用； ‒ 研究多模态感知与决策（如视觉、语音、触觉）的融合方法，提升智能体的环境理解与行动能力； ‒ 参与长期自主学习、在线学习和自适应学习系统的设计与开发。
1. 开发自研机器人操作系统，建设开发者平台与生态，包括需求分析、实现、测试、文档等工作 2. 机器人软件系统集成，与算法、硬件团队合作，集成算法、硬件驱动等模块 3. 建设软件研效体系，提升软件研发质量与效率 4. NVDIDA Jetson硬件平台系统与驱动的定制、开发工作