西门子
Expert Research Scientist on Polyfunctional Robot Control
Expert Research Scientist on Polyfunctional Robot Control
发布于 大约 16 小时前普通员工/个人贡献者
China
专家级经验
全职员工
仅现场办公
博士
强化学习
机器人动力学
Ros/Ros 2
机器人运动学
Whole-Body Control
AI 估算 · 40k–60k
资深研究科学家岗位，西门子跨国巨头，机器人控制方向稀缺，薪资有竞争力。
职位详情
关于这个职位
这是一个西门子中央研究院的核心研究岗位，专注于多用途机器人的先进控制算法研发
你将领导鲁棒控制、自适应控制和机器学习在机器人运动中的应用，推动理论到实际部署，参与开发下一代高动态机器人系统
适合对机器人控制有深厚背景的研究型人才
最低要求
教育：机器人学、电气工程、机械工程、自动化工程、计算机科学或相关领域的硕士或博士学位，专攻机器人控制
经验：在复杂机器人系统先进控制算法的开发和实施方面有良好的记录，强烈偏好有腿式机器人或高自由度机械臂经验
技术专长：
机器人运动学与动力学：对机器人运动学（正/逆运动学）和动力学（正/逆动力学）有深刻的理论和实践理解
先进控制技术：掌握全身控制（WBC）、模型预测控制（MPC）、阻抗控制、力控制和最优控制等先进控制技术
数值优化：熟练使用数值优化方法，特别是二次规划（QP）求解器
编程与实时系统：精通C++（必备）和Python，具有实时操作系统（RTOS）和Linux环境经验
机器人中间件：有机器人中间件（如ROS/ROS 2）经验
问题解决：出色的分析和问题解决能力，能应对复杂、开放式的研究挑战
沟通：优秀的书面和口头沟通能力，能清晰表达复杂技术概念，并有效团队协作
热情：对多用途机器人、运动控制和生物运动的迷人机制有深厚热情
工作职责
领导先进控制研发：推动工业环境下多用途机器人的鲁棒和自适应控制算法及架构的尖端研究
设计与实现核心控制策略：开发并实现先进的算法运动、力/阻抗和鲁棒/最优控制技术（如任务空间、关节空间、WBC）
集成学习与适应性：研究并应用自适应控制、强化学习和其他学习方法以实现技能获取和自主改进
实时控制系统设计：设计实时控制系统，考虑计算约束、通信延迟和传感器反馈，以实现高性能和稳定的机器人运行
基于模型的控制：开发和利用精确的机器人动力学模型进行仿真、控制设计和状态估计
安全关键控制：设计并实施安全人机交互、碰撞避免和异常检测的控制策略，包括人机协作（如共享自主、柔顺交互）
性能评估与验证：通过仿真、HIL测试和实体机器人实验严格评估控制算法，分析稳定性、鲁棒性和性能
利用先进仿真和数字孪生技术进行快速原型设计、测试和验证
协作与文档：将控制解决方案与机电一体化、嵌入式系统和AI/感知团队集成
记录研究、算法、代码和结果
包括：
与嵌入式系统工程师协作实现高效实时算法执行，并提供清晰的计算、实时和通信接口要求
与机电系统工程师协作理解机器人运动学、动力学和执行器能力以优化控制设计
与感知与AI研究人员协作利用先进感知数据进行智能控制和学习，并有效利用感知输出实现高级控制任务和智能行为
与系统集成工程师协作实现控制模块无缝集成、系统级测试、性能调优以及整体系统安全的验证/认证
优先资格
有特定多用途机器人平台（如Digit、Atlas、Valkyrie、Unitree H1等）经验
熟悉仿真工具如MuJoCo、Gazebo或Isaac Sim
有传感器融合技术（如卡尔曼滤波器、扩展卡尔曼滤波器）经验
了解机器学习，尤其是强化学习在控制中的应用
有安全关键控制系统经验
AI 洞察
优缺点分析
优点
- 西门子作为工业巨头，平台大、资源丰富，项目影响力广泛
- 研究方向前沿，涉及WBC、MPC、强化学习等高级技术，技能积累强
- 团队协作跨学科，能拓展机电、感知、系统集成等多领域视野
- 要求极高，需博士+多年经验，面试和入职门槛高
- 研究到落地周期长，可能面临理论与工程实现之间的差距
- 工作地点未明确，若在非一线城市可能影响生活便利性
- 适合在机器人控制领域具有深厚学术或工业经验，热爱攻克复杂控制难题，并希望在大平台上实现技术影响力的研究型人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 在西门子研究院成为机器人控制领域的首席专家，主导前沿项目
- 横向发展至机器人产品线或技术管理岗位，领导技术团队
- 跨界至学术界或创业公司，结合产业经验开拓新方向
- 领导多用途机器人的先进控制算法研发，包括模型预测控制、全身控制等
- 设计并实现实时控制系统，集成传感器反馈和机器学习方法
- 与机电、感知、嵌入式等多团队协作，推动算法从仿真到实体机器人部署
- 扎实的机器人学理论基础，精通运动学、动力学及先进控制理论
- 熟练C++编程和实时系统开发，以及ROS/ROS2等中间件
- 掌握数值优化（如QP求解器）和强化学习等学习型控制方法
申请策略
- 研究西门子在工业机器人领域的业务方向，在求职信中表达与项目目标的契合点
- 准备一个完整的控制项目案例，说明从理论到实物的全流程
- 突出机器人控制算法的项目经验，尤其是腿式机器人或高自由度机械臂
- 强调C++实时系统开发能力，以及ROS/优化求解器的使用
- 展示发表的论文或专利，体现创新性和学术深度
- 提前熟悉WBC、MPC等先进控制框架，可尝试开源实现
- 补充强化学习在机器人控制中的应用知识，如MuJoCo仿真
面试指南
- 技术问题：先明确问题边界，再分步推导，最后联系实际挑战
- 系统设计：从需求出发，对比不同方法优劣，给出权衡方案
- 请推导一个浮动基座机器人的动力学模型，并说明如何用于MPC设计
- 在实际机器人上实现WBC时，如何处理模型误差和实时约束？
- 你如何设计一个安全的人机协作控制策略，同时保证生产效率？
- 复习机器人运动学和动力学公式推导，准备手推能力
- 准备1-2个深度项目故事，包含问题、方法、实验结果和反思
- 了解西门子在数字化和工业机器人方面的最新产品和技术
匹配度报告
72
综合匹配度
西门子前沿研究岗，技术栈顶级，发展空间大，但工作地点不确定且WLB未知。
适合人群
最适合追求技术深度和前沿创新的发展导向型求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利65
成长发展95
工作生活45
使命价值85
薪资福利匹配
65中等
薪资未披露，但西门子作为大公司通常提供有竞争力的薪酬和福利，但JD未明确。
薪资信号未披露（AI估算：40K-60K/月）
成长发展匹配
95较高
该岗位是核心研发岗，涉及WBC、MPC、强化学习等前沿技术，有明确的成长机会和专业发展支持。
技术前沿前沿/新兴技术
技术栈WBC、MPC、强化学习、C++、ROS、QP求解器
成长机会Opportunities for professional development, continuous learning, and career advancement
业务类型ambiguous
工作生活匹配
45较低
工作地点未明确，很可能需要现场办公，且未提及弹性工作或WLB福利。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
85较高
该岗位推动机器人技术发展，提升工业自动化和人机协作水平，具有较高的社会意义和创新性。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号Impact、Innovation
创新程度积极采用新技术
Watch Jobs