京东机器人移动操作全身协同控制算法研究
任职要求
1. 计算机科学、机器人学、自动化或工程等相关领域的本硕博在校生。 2. 熟练使用Python、C++，熟悉ROS框架，具备NVIDIA Isaac Sim、Mujoco或PyBullet等仿真平台的深度二次开发能力。 3. 具备经典控制（如全身动力学、阻抗控制）基础…
工作职责
1. 面向兼具移动与操作能力的机器人硬件平台，攻坚移动与操作任务的一体化全身协同控制算法。 2. 引入业界SOTA大模型与大数据算法，显著提升机器人操作任务在多样化未知场景中的泛化成功率。 3. 融合视觉、力觉、触觉等多模态感知信息，构建极具鲁棒性的环境交互系统与任务执行框架。 4. 基于海量人类与机器人动作数据，在复杂物理引擎中实现具备人体运动风格的Loco-manipulation技能建模与模仿。 5. 结合仿真与真机实验，为机器人硬件架构设计与关键部件选型提供数据驱动的核心正向反馈。
1、开发和优化差速机器人底盘的控制和传感器数据采集功能； 2、开发基于编码器和IMU融合的轮式里程计功能； 3、开发和优化机器人自主探索建图功能，持续提升效率和覆盖率； 4、开发和优化机器人自主回充功能，持续提升效率、成功率和鲁棒性； 5、其他移动机器人相关算法、策略、应用的设计和开发。
• 以主要技术和产品专家的身份与 Google Cloud 销售团队合作，为探索和打造高级机器人和移动技术的客户提供服务。 • 了解市场、确定关键趋势并明确客户目标，借此制定市场推广 (GTM) 策略。主导开展活动、在线讲座、技术博客等相关活动，提升业界关注度。 • 打造令人惊艳的技术资产、叙述和参考架构，并侧重于将基于学习的模型应用于机器人用例。 • 了解客户的基础设施和目标，以便发现业务机会，制定策略来解决技术障碍和采用问题。 • 阐明 Google Cloud 在数据驱动型自适应机器人部署方面的价值，同时建立汇聚了关键区域专家的网络。
1、负责挖掘机多自由度机械臂的运动学、动力学建模，设计并实现运动控制算法（轨迹规划、逆运动学求解、力/位混合控制等）； 2、负责液压运动控制系统的轨迹控制器开发、调优、嵌入式移植及产品化落地，解决液压系统固有的响应延迟、非线性、死区特性等控制难题； 3、研究并应用机器学习/深度学习方法融合到传统控制框架中，构建数据驱动或模型混合的智能控制策略，重点攻克以下课题： （1）液压系统时变延迟的在线辨识与自适应补偿； （2）控制特性随油温、负载、磨损等工况变化的鲁棒适应问题（如基于学习的参数自整定、域自适应）； （3）利用强化学习（RL）/ 模仿学习等方法优化挖掘机复杂作业场景下的运动控制策略； （4）搭建仿真-实机闭环验证流程（Sim-to-Real），推动基于学习的运动控制模型从离线训练到实车部署的全链路落地；
1、负责挖掘机多自由度机械臂的运动学、动力学建模，设计并实现运动控制算法（轨迹规划、逆运动学求解、力/位混合控制等）； 2、负责液压运动控制系统的轨迹控制器开发、调优、嵌入式移植及产品化落地，解决液压系统固有的响应延迟、非线性、死区特性等控制难题； 3、研究并应用机器学习/深度学习方法融合到传统控制框架中，构建数据驱动或模型混合的智能控制策略，重点攻克以下课题： 4、液压系统时变延迟的在线辨识与自适应补偿； 5、控制特性随油温、负载、磨损等工况变化的鲁棒适应问题（如基于学习的参数自整定、域自适应）； 6、利用强化学习（RL）/ 模仿学习等方法优化挖掘机复杂作业场景下的运动控制策略； 7、搭建仿真-实机闭环验证流程（Sim-to-Real），推动基于学习的运动控制模型从离线训练到实车部署的全链路落地；