石头科技
导航算法工程师
导航算法工程师
发布于 9 天前普通员工/个人贡献者
全职员工仅现场办公算法工程师
算法工程师
Dwa
Lqr
Mpc
Teb
嵌入式Linux
路径规划
运动控制
避障算法
值不值得投
75综合评分
综合评分 75
苏州室外机器人导航算法岗，规划控制全栈+量产落地，成长空间大、薪资未披露。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.2万
与算法工程师中位数基本持平
发布情况
正常在招 · 9 天前发布
公司情况
这家公司招聘很活跃
37 个在招 · 其中算法工程师 10 个
职位详情
关于这个职位
负责室外机器人的全局/局部路径规划、运动控制、全覆盖与避障脱困等导航算法的设计开发与仿真移植，工作地点苏州
要求熟练掌握A*、TEB、MPC等算法与嵌入式Linux开发，适合C/C++功底扎实的机器人导航算法工程师
最低要求
计算机、自动化等相关专业
熟练掌握C/C++、Python编程，具有良好的代码规范意识
熟练掌握A、D、JPS、TEB、DWA等路径规划算法
熟练掌握PID、模糊控制、轨迹跟踪、MPC、LQR等运动控制算法
具备嵌入式Linux开发和落地经验，具备扎实的计算机和数学基础
具备独立分析解决问题的能力，有责任心、上进心、热爱研发工作
工作职责
负责完成室外机器人全局/局部路径规划、运动控制等导航算法设计、开发、调试和维护工作
负责完成室外机器人全覆盖、避障、脱困等业务逻辑、算法的设计、开发、调试和维护工作
负责完成室外导航算法的仿真、代码优化与移植工作
负责室外导航算法相关说明文档、技术文档撰写和维护工作
优先资格
有割草机、扫地机、自动驾驶等相关产品落地经验优先
有大规模代码框架移植、重构经验优先
AI 洞察
优缺点分析
优点
- 室外机器人（如割草机）是高速增长的新赛道，导航算法是核心壁垒
- 算法栈覆盖规划、控制、仿真到嵌入式落地，能力成长全面
- 公司有大规模量产产品，算法可直接落地验证
- 室外环境复杂多变，避障脱困等算法的鲁棒性要求高、调试周期长
- 需同时精通规划与控制两个方向，知识面要求宽
- 适合算法与工程能力兼备、想在机器人导航方向深耕的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从导航算法模块深入，成长为室外机器人导航方向的技术负责人
- 积累割草机、自动驾驶等产品落地经验后，可向机器人全栈算法或自动驾驶方向拓展
- 设计开发室外机器人的全局/局部路径规划与运动控制算法，并负责调试维护
- 实现全覆盖、避障、脱困等业务逻辑与算法，保障机器人在复杂环境下的作业能力
- 完成导航算法仿真、代码优化与移植，并撰写维护相关技术文档
- 熟练掌握A*、D*、JPS、TEB、DWA等路径规划算法与PID、MPC、LQR等运动控制算法
- 熟练的C/C++与Python编程能力，良好的代码规范意识
- 具备嵌入式Linux开发落地经验与扎实的计算机、数学基础
申请策略
- 面试前了解室外割草机器人的典型导航挑战（GNSS、地形、安全），准备对应思路
- 列出你实现过的规划/控制算法及其实际落地产品与量化指标（覆盖率、脱困成功率等）
- 突出嵌入式Linux上的移植优化经验与代码框架重构案例
- 展示C++工程能力与仿真环境搭建经验
- 巩固MPC、LQR等现代控制方法的推导与实现
- 上手ROS/Nav2及常用仿真工具，理解全覆盖路径规划的工程细节
面试指南
- 算法类问题先讲原理直觉，再讲数学形式，最后给工程取舍
- 落地类问题用环境—指标—问题—解决的结构，附量化数据
- 调参类问题说明你如何设计实验与评价标准
- 对比A*、JPS、D*的适用场景与复杂度
- 讲解TEB或DWA的原理及调参经验
- MPC与LQR的区别，如何在嵌入式平台实时求解？
- 全覆盖路径规划算法你是怎么设计实现的？
- 介绍一次算法从仿真到嵌入式落地的完整经历
职位点评
薪资福利76
成长发展88
工作生活58
使命价值72
薪资福利
76中等
JD未披露薪资，苏州机器人算法岗定价中上，具体以offer为准。
薪资信号未披露（AI估算：2.5千–4.0万/月）
成长发展
88较高
室外机器人导航是前沿方向，覆盖规划控制仿真全栈且直连量产落地，技术成长空间大。
技术前沿前沿/新兴技术
技术栈路径规划、运动控制、MPC、嵌入式Linux、避障算法
业务类型profit_center
工作生活
58较低
JD未提及办公模式与加班情况，算法调试与外场测试节奏需面试确认。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
72中等
机器人导航算法直接影响产品智能化体验，行业前景好，但JD未提及使命愿景表述。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs