小米仿真测试专家工程师
任职要求
1.计算机、车辆、控制等相关专业，具备3年以上自动驾驶行业测试经验； 2. 具备量产自动驾驶仿真测试经验，能够快速推进项目进展，有较强的责任心和项目管理意识； 3. 熟悉自…
工作职责
1. 负责量产自动驾驶仿真测试，包括结构化仿真场景库的构建、量产自动驾驶算法新feature和版本的发版验证; 2. 根据自动驾驶产品FD设计Worldsim仿真测试用例，并在场景编辑软件中实现为具体测试场景用例； 3. 设计和开发仿真评价规则（Metrics），并对仿真测试结果进行批量分析； 4. 对仿真问题进行分析和分类，输出仿真测试报告，跟进问题的闭环。
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、负责芯片封装方案选型评估与开发，可独立完成封装基板设计； 2、与芯片设计团队协作完成bump map/ball map优化及定制和基板设计工作； 3、与供应商完成各种评审，提升产品可靠性和良率； 4、负责信号完整性，电源完整性，热和应力等仿真的审核工作；
1. 调研评估算法的可实现性、资源开销、性能指标； 2. 完成算法的软件工程化，用Python/C++实现算法原型； 3. 搭建算法仿真测试工程/研究平台，降低算法复杂度和资源开销，完成算法的硬件优化； 4. 协助芯片工程师完成算法硬件实现、功能验证和性能调优；
1.负责服务器系统中DC-DC电源模块的电路设计、仿真、调试及优化，包括但不限于POL、VRM多相并联电源等； 2.设计高效率、高功率密度、高可靠性的DC-DC电源方案，满足服务器系统对电源的严苛需求（如动态响应、低纹波、散热性能等）； 3.制定电源模块的测试方案，完成电气性能测试（效率、纹波、瞬态响应等）、可靠性测试（高温、低温、老化、EMC等）及故障分析； 4.与硬件系统工程师、PCB Layout工程师、结构工程师及热设计工程师协作，优化电源模块的布局、布线及散热设计。