影石规划算法实习生
任职要求
1. 计算机、自动化、应用数学等相关专业硕士及以上学历； 2. 熟悉自主无人机系统，掌握 ROS 等机器人软件栈，能够熟练使用 C++ 或 Python 进行开发，熟悉 Linux 开发环境； 3. 熟悉主流仿真平台…
工作职责
1. 负责研发基于深度强化学习的决策规划算法； 2. 负责前沿强化学习算法的调研和优化，突破复杂交互场景中的无人机规划和运镜难题； 3. 与项目团队密切合作，推动深度强化学习算法在智能跟随场景中的落地应用。
针对无人驾驶，辅助驾驶问题， 1、高性能数值优化算法，全局优化算法研发 2、基于全局优化的Planner以及Cost设计优化 3、多智能体交互博弈建模，意图推断，交互安全性分析 4、道路环境几何建模与优化 5、无人车行为决策算法设计与优化
项目简介 面向无人机/eVTOL 等低空飞行器的三维航迹规划系统。系统以多层级地理网格编码为空间底座，通过 Redis 集群实时加载空域障碍物、禁飞区、地面海拔等数据，基于双向 A* 算法完成三维路径搜索，并支持多航线冲突检测与自动解冲突。已在生产环境上线，服务多个城市的低空空域管理场景。 你将获得 深入低空经济核心赛道，参与真实生产系统的建设与迭代 经典算法 + AI 方法双轨实践，积累路径规划领域的完整技术视野 有机会将前沿论文方法落地到线上系统，产出有影响力的技术成果 导师一对一指导，快速提升研究与工程复合能力 职位要求： 三维路径搜索算法：研究与优化 A*、双向 A*、加权 A* 等启发式搜索算法在三维空间中的应用，探索搜索效率与路径质量的平衡 多目标路径优化：研究安全性、能耗、飞行时间等多目标约束下的路径规划建模与 Pareto 最优解方法 多航线冲突检测与解冲突：研究基于空间几何的 3D 冲突检测算法，以及博弈论、优先级调度等自动解冲突策略 自适应高度规划：基于地形高程与障碍物分布，研究飞行高度的自适应推荐算法（ASL/AGL），兼顾安全裕度与能耗效率 路径后处理与简化：研究 3D Douglas-Peucker 简化、航向角变化检测等算法，在保留关键转弯/爬升点的前提下压缩路径点数量 AI 方法探索：调研强化学习（DQN/PPO/SAC）、图神经网络、可微路径规划（Neural A*）等方法在航迹规划中的应用 前沿研究跟踪：关注 ICRA、IROS、NeurIPS 等顶会在无人机路径规划、多智能体协同、UTM 方向的最新进展，输出技术调研
1. 参与人形机器人Vision-Language-Action (VLA)算法的研发，包括数据采集、模型训练与部署、多模态大模型在机器人操作任务中的应用； 2. 负责机器人动力学建模、轨迹优化、实时运动规划算法开发与调优； 3. 探索VLA模型与传统运动规划算法（RRT、轨迹优化、MPC等）的结合方式； 4. 跟踪Learning for Planning / Planning for Learning领域最新进展，推动技术创新； 5. 参与机器人数据集的构建、清洗与标注流程优化；
1、负责端到端决策规划算法的开发和迭代； 2、负责训练数据与评测数据的日常挖掘与维护； 3、负责端到端智驾大模型方案的研发迭代体系的建设与完善。