小米自动化(设备)开发工程师
任职要求
1. 机械电子、电气自动化相关专业,熟练应用设计软件;
2. 有良好的模拟电路,数字电路基础,了解基本电子元器件各项特性,有实际系统设计、调试经验;
3. 详细了解手机,消费电子,智能硬件…工作职责
1. 智能硬件装配/测试设备开发 - 设计并开发用于智能硬件产品(如消费电子、智能家居、可穿戴设备等)自动化装配和测试的专用设备,包括装配线体、功能测试机、视觉检测系统、老化测试设备等。 - 优化设备结构设计,提升装配精度(如微米级定位)及测试效率,确保设备兼容多型号产品柔性生产需求。 2. **工艺与流程优化** - 分析智能硬件产品的装配工艺难点(如精密部件组装、传感器校准),设计自动化解决方案(机械臂、传送系统、工装夹具等),降低人工干预比例。 - 开发高精度测试系统(电气性能测试、环境可靠性测试),实现测试数据自动采集、分析及异常报警功能。 3. 设备问题改善方案制定 - 完成设备联调、参数标定及生产验证,解决装配过程中的机械干涉、信号干扰等问题,确保设备稳定性。 - 参与编写设备操作规范及维护手册,对合作伙伴进行技术培训,支持量产爬坡阶段的设备优化。 4. 跨部门协作 - 与产品研发、质量部门协同,推动装配/测试设备与智能硬件产品的技术适配,确保设备满足产品迭代需求。
-参与私有化部署平台的后端架构设计、开发和优化,主要使用 Go 语言 -设计并开发企业级操作系统自动化部署平台,支持大规模服务器环境的高效安装和配置 -优化操作系统定制和部署流程,提高硬件适配性和部署效率,简化安装过程 -负责操作系统的安装工具链研发(如PXE、Tinkerbell等),并进行定制化开发。 -深入研究并解决复杂的系统安装和启动问题,包括网络引导、硬件初始化、文件系统挂载等关键环节 -根据不同硬件架构的需求(x86、ARM、DPU等),定制化开发操作系统内核和驱动支持 -深入理解 Kubernetes (K8s) 的核心概念,并将其与业务需求紧密结合,具备封装 K8s 的接口和服务的能力 -可独立设计并完成子系统的开发,编写高质量的代码,确保代码的可维护性和高效性能 -参与系统的性能优化、故障排查及技术难题攻关,保证平台的高可用性和稳定性
1、负责智能门锁类产品的功能、性能、兼容性和稳定性测试; 2、独立设计完善的测试用例,分析测试过程中发现的bug,并与开发团队协作解决; 3、负责输出测试报告并完成固件编译和发版; 4、把控质量风险,可独立推动问题闭环并持续优化测试流程和测试方案。
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。