中联重科
机械臂规划算法工程师
机械臂规划算法工程师
发布于 14 小时前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Moveit
Ros
力控算法
双臂协作
机械臂
视觉伺服
轨迹优化
运动规划
值不值得投
薪资怎么样
2.4万
比机器人开发中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
7 个在招 · 其中机器人开发 18 个
市场机会
选择适中
长沙 · 机器人开发 · 18 个在招
职位详情
关于这个职位
该职位负责双臂协作机器人视觉伺服、机械臂轨迹优化、力控与灵巧手控制算法开发，结合仿真与实物实验验证算法效果，并与硬件及传感器团队协作完成系统集成与调试
适合具备机器人规划控制背景、熟悉ROS/MoveIt/OMPL等工具的研究生工程师
最低要求
硕士及以上学历，计算机科学、机器人、自动化、控制工程、机械工程等相关专业
熟悉机器人运动规划和控制领域，具备轨迹优化理论基础，如CHOMP、TrajOpt、STOMP、NMPC等
熟悉常用的路径规划算法（如RRT、PRM、A*）及其改进
熟悉Python、C++等编程语言和机器人开发框架ROS，OMPL，moveit，drake，OCS2等
具备1年以上机器人领域算法开发的工作经验，特别是在双臂协作领域有轨迹优化、动态避障和实时控制系统经验者优先
较强的分析和解决问题的能力，具备良好的团队合作精神与沟通能力，能够将前沿算法应用于产品中，并具备解决实际工程问题的能力等
工作职责
视觉伺服算法开发：负责双臂协作机器人系统中的视觉伺服算法设计、开发与优化
轨迹优化：机械臂轨迹优化算法调优
双臂协作算法开发：结合机器人双臂协作任务的特点，设计和优化双臂协作策略
系统仿真：通过仿真与实物实验验证算法的鲁棒性与有效性，并进行持续改进
系统集成与调试：与硬件工程团队、传感器团队协作，集成和优化算法的实时性、准确性和鲁棒性，提升系统整体性能
负责机器人力控算法的开发与调试，包括但不局限于阻抗控制、导纳控制、力位混合控制等
负责机器人控制算法、滤波算法的设计和开发，包括但不限于PID/LQR/MPC等控制算法，IIR/FIR等滤波算法
负责机器人灵巧手的动力学仿真与力控，根据功能需求实现相关模块的功能及性能指标
针对力控软件及相关算法制定测试方案及测试用例，编写相关规范或技术文档等
优先资格
具有双臂协作领域轨迹优化、动态避障和实时控制系统经验者优先
AI 洞察
优缺点分析
优点
- 岗位覆盖视觉伺服、轨迹优化、力控、仿真和系统集成，技术链路完整，成长空间大
- 双臂协作与力控属于机器人领域高门槛方向，有利于积累稀缺算法经验
- 公司具备装备制造和工业场景基础，算法有机会在真实产品中落地
- 长沙与上海双地点选择，给求职者一定地域灵活性
- 涉及硬件、传感器、控制等多团队协作，调试和集成工作量不小
- 双臂协作、力控和灵巧手方向技术门槛高，需要持续学习与跨领域知识
- 适合机器人、自动化或控制背景扎实，愿意在真实系统中打磨规划控制算法，并追求技术深度的求职者
缺点 / 挑战
- 算法需要在真实机器人系统上满足实时性、准确性和鲁棒性，工程落地压力较大
角色解读
- 可从算法工程师成长为机器人规划控制方向的技术专家，深耕双臂协作、力控与视觉伺服
- 有机会扩展到具身智能、多机器人协作、智能Manufacturing等更广泛的机器人系统方向
- 在工业机器人产品化过程中积累系统集成经验，后续可转向技术负责人或架构方向
- 负责双臂协作机器人视觉伺服算法的设计、开发与优化，提升机器人感知与操作闭环能力
- 开展机械臂轨迹优化、双臂协作策略设计和动态避障算法调优
- 负责力控、阻抗/导纳控制、力位混合控制及滤波算法开发与调试
- 通过仿真和实物实验验证算法鲁棒性，并与硬件、传感器团队完成系统集成
- 掌握机器人运动规划与轨迹优化理论，熟悉CHOMP、TrajOpt、STOMP、NMPC及RRT、PRM、A*等算法
- 具备扎实的C++/Python编程能力，熟悉ROS、MoveIt、OMPL、Drake、OCS2等机器人开发工具
- 理解机器人控制与力控算法，包括PID、LQR、MPC、阻抗控制、导纳控制等
- 具备将算法从仿真推进到实物系统的工程落地能力，能分析并解决实时性、鲁棒性问题
申请策略
- 投递时可注明期望工作地为长沙或上海，并说明相关项目与岗位方向的匹配点
- 提前了解中联重科在智能制造、机器人或工业自动化方向的业务布局，面试中体现工程落地意识
- 突出机械臂轨迹优化、运动规划项目，说明使用过CHOMP、TrajOpt、STOMP、NMPC或RRT/PRM/A*等算法
- 展示C++/Python与ROS、MoveIt、OMPL、Drake、OCS2等工具的实际开发经验
- 量化算法效果，如成功率、轨迹时间、避障效果、实时性指标或实物实验提升
- 如有双臂协作、视觉伺服、力控或灵巧手项目，应作为核心经历单独展开
- 补强力控与阻抗/导纳/力位混合控制、MPC/LQR等控制算法知识
- 熟悉OMPL、MoveIt、Drake、OCS2等框架的接口与典型使用方式
面试指南
- 项目类问题用STAR结构：背景与约束、你的职责、算法方案、仿真/实物验证、指标提升与反思
- 算法对比类问题从假设条件、计算复杂度、实时性、鲁棒性和工程实现难度展开
- 工程落地类问题先讲问题定位，再讲建模、实验设计、参数调优和最终验证闭环
- 请介绍一个你主导或深度参与的机械臂轨迹优化项目，说明问题建模、算法选型和最终效果
- CHOMP、TrajOpt、STOMP、NMPC等轨迹优化方法有什么区别，分别适合什么场景？
- 双臂协作中如何做任务分配、动态避障和实时控制？
- 视觉伺服中遇到标定误差或延迟时，你会如何分析和处理？
- 阻抗控制与导纳控制的核心区别是什么，在力控系统中如何选择？
Watch Jobs