博世
机器人规控算法研究员_CR
机器人规控算法研究员_CR
发布于 大约 3 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Mpc
Ros/Ros2
Wbc
机械臂控制
路径规划
运动规划
避障
机器人规控
AI 估算 · 25k–45k
博士或硕士研究岗，技术前沿且需求高，上海薪资水平较高，博世平台稳定，预估月薪2.5-4.5万。
职位详情
关于这个职位
该岗位属于博世中央研究院，专注于机器人规控算法研究，涉及机械臂操作、移动导航、人形机器人运动控制等前沿方向
你将参与从算法仿真到产线部署的全流程，与中德团队合作，推动AI在工业制造中的落地
适合有机器人学或控制背景、热爱技术挑战的研究型人才
最低要求
任职要求：
机器人学、计算机科学、电气工程、机械工程或相关领域的硕士或博士
在以下一个或多个方向具备研究或实践经验：
机械臂操作规划与控制： 熟练掌握机械臂运动学与动力学建模，熟悉常用的路径规划算法（如 RRT、RRT*、PRM）及轨迹优化方法（如 CHOMP、TrajOpt）
熟悉关节空间与笛卡尔空间轨迹插值
熟悉接触操作与力控技术，如阻抗控制、导纳控制、力/位混合控制等
人形/腿式机器人运动控制： 熟悉双足/人形机器人的步态生成与全身控制算法，如 Model Predictive Control (MPC)、Whole Body Control (WBC)
熟悉平衡控制模型（如 LIPM、Centroidal Dynamics）及质心/落脚点规划方法
了解如何在规则框架下设计步态切换与平衡恢复策略
移动导航与任务决策： 熟悉移动机器人全局路径规划（如 Hybrid A*、State Lattice、Dijkstra）与局部避障算法（如 DWA、TEB）
熟悉基于规则的决策逻辑设计，能够使用行为树（BT）、有限状态机（FSM）构建工厂作业场景下的任务流转与异常处理机制
数学优化与仿真工具： 熟悉常用的运动学与动力学库（如 Pinocchio、KDL、Drake）及仿真平台（如 Gazebo、Isaac Sim、MuJoCo）
熟悉最优化理论（如二次规划 QP、非线性优化）在控制与规划问题中的应用
熟练使用 C++/Python 进行算法开发与工程实现，具备良好的代码规范和模块化设计能力
熟悉 Linux 环境开发，熟悉 ROS/ROS2，能将规划与控制算法以节点/服务形式集成到机器人系统中
具备从算法仿真、真机调试到现场部署的完整项目经历，具备较强的问题分析与定位能力
有工业级机器人系统（如工业机械臂、AGV 调度系统、产线自动化设备）交付或维护经验者优先
工作职责
您的工作内容包括但不限于：
负责将智能工厂生产作业流程拆解为机器人可执行的步骤，设计从任务目标到动作序列的规划逻辑，确保搬运、装配、检测等业务按照生产节拍稳定执行
负责机器人移动路径与避障策略的设计，使机器人在车间通道、设备密集区和人机混流场景下，能够安全、高效地到达指定工位和操作点位
负责机械臂及手部动作的规划与设计，完成抓取、放置、插拔、对中等操作动作，满足生产对精度和重复性的要求
负责协调机器人全身运动与操作动作，确保在行走、站立、双臂协同操作过程中保持姿态稳定，并能应对地面不平整、物料扰动等常见工况
负责规划和控制逻辑在实际产线上的部署与调试，根据生产现场的布局变化和工艺变更持续调整参数，保证系统长期稳定运行
负责在生产相关场景中开展充分的测试与验证，梳理各类异常情况并设计处理策略，提升系统在真实工厂环境下的鲁棒性
负责与工艺、生产、设备等相关团队对接，把产线工艺要求和约束转化为规划与控制逻辑中的规则，实现机器人作业与生产工艺的匹配
优先资格
有工业级机器人系统（如工业机械臂、AGV 调度系统、产线自动化设备）交付或维护经验者优先
AI 洞察
优缺点分析
优点
- 博世中央研究院平台大，研究资源丰富，与国际团队合作机会多
- 岗位涉及前沿技术（人形机器人、MPC等），技术成长空间大
- 工作内容从研究到落地闭环，成就感强
- 需要兼顾算法创新与工程实现，对综合能力要求高
- 项目涉及现场部署调试，可能需要出差或加班
- 竞争激烈，需要持续学习新技术
- 适合有机器人学或控制背景，热爱算法研究且愿意深入工业现场的技术型人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向机器人算法专家或技术负责人方向发展
- 有机会深入工业场景，积累产线自动化与AI落地经验
- 未来可转向机器人系统架构、产品研发或团队管理岗位
- 负责将工厂作业流程拆解为机器人可执行步骤，设计任务规划与动作序列
- 开发机器人移动路径规划与避障算法，确保产线安全高效运行
- 实现机械臂操作规划与控制，完成高精度抓取、装配等动作
- 参与从仿真到真机部署的全过程，调试并优化系统稳定性
- 扎实的机器人学基础，熟悉运动学、动力学建模与控制
- 熟练掌握 C++/Python 及 ROS/ROS2 开发
- 精通运动规划算法（RRT、MPC等）和优化方法（QP、非线性优化）
- 具备仿真平台（Gazebo、Isaac Sim）使用经验及工程部署能力
申请策略
- 在简历中明确写出自己对机器人规控的热情和具体研究方向
- 准备一个完整的项目案例，展示问题分析与解决能力
- 重点突出运动规划、控制算法相关的项目经历和论文成果
- 强调 ROS/ROS2 开发经验和 C++/Python 代码能力
- 展示从仿真到真机部署的完整项目案例
- 提前学习 MPC、WBC 等全身控制算法，并熟悉相关工具如 Pinocchio
- 补充工业机器人系统（如机械臂、AGV）的实践经验
面试指南
- 技术问题：先给出定义和原理，再结合实际项目阐述应用，最后对比优缺点
- 项目经历：使用STAR法则（情境、任务、行动、结果），突出个人贡献和难点突破
- 请解释MPC在机器人控制中的应用原理和优缺点
- 如何设计一个移动机器人在动态环境中的避障策略？
- 你过去项目中遇到的最棘手的技术问题是什么？如何解决的？
- 描述一下RRT*与RRT的区别以及适用场景
- 在ROS2中如何实现一个规划控制节点？
- 复习机器人规控核心算法（RRT、MPC、DWA等）的数学推导和工程实现
职位点评
51
综合评分
博世研究院机器人规控算法岗，前沿技术研究，薪资未明但平台强，发展性优，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适追求技术成长与前沿研究、愿意投入时间积累经验的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展85
工作生活45
使命价值70
薪资福利
40较低
薪资未在JD中披露，但博世作为大公司通常提供有竞争力的报酬，不过福利未提及，补偿性动机满足程度一般。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
岗位涉及机器人、AI前沿技术，且与中德团队合作，有明确的研究到落地的完整链条，发展性动机得到较好满足。
技术前沿前沿/新兴技术
技术栈C++、Python、ROS/ROS2、MPC、WBC、RRT、Pinocchio、Gazebo、Isaac Sim、QP
业务类型ambiguous
工作生活
45较低
工作地点在上海，需要现场办公并可能涉及产线调试，未提及弹性工作或WLB，生活化动机满足有限。
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
70中等
属于机器人高速增长赛道，能推动工业自动化落地，有一定社会价值，但未提及使命感，意义感动机中等偏上。
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
博世 的其他在招职位
相似职位推荐
Watch Jobs