小米高级机器人工程师（运动学和动力学）
任职要求
1. 硕士及以上学历，机器人工程、机械工程、自动化、电子工程、计算机科学等相关专业。 2. 主导过机器人系统开发，掌握传动设计，电机驱动，机电集成等核心硬件设计技术。 3. 具有人形机器人的实际项目经验，拥有高自由度（DOF）机器人系统、冗余自由度和多控制目标相关经验。 4. 熟练掌握主流的机器人仿真软件：Isaac Gym, MuJoCo, MATLAB/Simulink等，能够快速搭建仿真环境。 5. 熟悉C++和Python等编程语言，具备编写高质量、可靠代码的能力。 6. 在机器人相关的国际顶级会议或期刊（IROS/ICRA/RSS, CoRL, ICUAS, IEEE RCAR等）发表过机器人相关论文优先。
工作职责
1. 主导双足人形机器人系统的整机建模与仿真，包括涵盖运动学正/逆解、机械传动、动力学仿真、系统和控制系统等模块。 2. 利用仿真工具评估机器人设计可行性，包括运动空间、关节力矩和转速、电机功耗、整机能耗等。 3. 开发机器人的运动控制算法，通过仿真不同构型等为硬件设计提供数据支持。 4. 通过仿真评估设计可行性，指导硬件设计和优化，提升机器人的可靠性和稳定性。 5. 创建真实典型的不同测试场景，验证机器人运动能力。 6. 分析仿真数据，找出机器人构型设计、电机选型、电子器件、结构强度、散热设计等关键问题 ; 为硬件团队提供具体改进建议。
1、了解扫地机器人，或其他机器人产品的传动系统需求和具体应用场景。评估传动需求，进行运动分析，设计合理的传动方案、传动机构，并完成整个传动模组的详细化设计，输出3D&2D等资料，并落地量产； 2、根据需求分析和设计方案，进行机械结构设计、零部件选型、电机和轴承等器件选型、尺寸配合等工作，确保传动系统满足机器人运动要求，并保证系统的稳定性和可靠性； 3、利用计算机仿真等工具，进行传动系统的动力学分析，包括速度、加速度、扭矩、力等参数的计算和分析，为系统的优化设计提供依据； 4、利用计算机仿真等工具，对传动系统进行仿真分析和验证，以检验设计方案的有效性。同时，进行物理测试，对系统进行性能测试和验证，确保系统符合设计要求； 5、现场跟进模塑DFM、性能测试，等各个设计和量产环节的问题点，分析根本原因及失效模式，并输出对应解决方案； 6、对现有量产产品进行优化：如噪声优化、动平衡、寿命等；
1、算法开发与优化：负责机器人运动规划控制算法（如强化学习、WBC、MPC等）的实现与改进，设计多关节系统的运动控制策略，实现高精度轨迹跟踪，开发动态障碍物避障算法，提升系统实时响应能力； 2、仿真与测试：基于ISAAC GYM/ROS/Gazebo搭建机器人运动规划仿真环境，设计典型场景测试用例，输出算法性能分析报告，包括成功率、实时性和鲁棒性指标； 3、系统集成与调试：参与机器人实际平台的算法部署，配合硬件团队进行执行器动态补偿与参数整定； 4、对人体关节、骨骼进行建模，显式或隐式定义关节约束，对给定的末端位置预测各个关节的位置和速度。
1. 算法设计与开发 - 负责摄像设备的高精度运动控制算法研发，包括姿态解算、轨迹规划、稳定跟踪、抗干扰等。 - 应用现代控制理论（如LQR、MPC、自适应控制、模糊控制、滑模控制等）优化系统动态性能。 - 解决非线性、时变系统及复杂环境下的控制问题（如震动、负载变化等）。 2. 建模与仿真 - 建立云台系统的运动学、动力学模型，进行多体系统仿真（Matlab/Simulink、ROS等）。 - 设计传感器（IMU、编码器、视觉）与执行机构（电机、舵机）的融合控制策略。 3. 系统集成与调试 - 配合硬件团队完成电机选型、驱动器调试及实时系统（RTOS/Linux）部署。 - 通过实验数据迭代优化算法参数，提升云台响应速度、精度和鲁棒性。 4. 前沿技术研究（optional） - 探索AI/机器学习在控制领域的应用（如强化学习、神经网络控制）。 - 研究多自由度协同控制、路径规划等算法。
1. 算法设计与开发 - 负责摄像设备的高精度运动控制算法研发，包括姿态解算、轨迹规划、稳定跟踪、抗干扰等。 - 应用现代控制理论（如LQR、MPC、自适应控制、模糊控制、滑模控制等）优化系统动态性能。 - 解决非线性、时变系统及复杂环境下的控制问题（如震动、负载变化等）。 2. 建模与仿真 - 建立云台系统的运动学、动力学模型，进行多体系统仿真（Matlab/Simulink、ROS等）。 - 设计传感器（IMU、编码器、视觉）与执行机构（电机、舵机）的融合控制策略。 3. 系统集成与调试 - 配合硬件团队完成电机选型、驱动器调试及实时系统（RTOS/Linux）部署。 - 通过实验数据迭代优化算法参数，提升云台响应速度、精度和鲁棒性。 4. 前沿技术研究（optional） - 探索AI/机器学习在控制领域的应用（如强化学习、神经网络控制）。 - 研究多自由度协同控制、路径规划等算法。