吉利汽车
机器人导航规划算法
机器人导航规划算法
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Mpc
Slam
传感器融合
具身智能
机器人导航
足式机器人
路径规划
边缘计算
Ros 1/Ros 2
值不值得投
76综合评分
综合评分 76
高挑战性前沿机器人算法岗，技术成长空间巨大，平台资源好，但对多学科知识和工程能力要求极高。
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。
薪资怎么样
33K
比机器人开发中位数高
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
约 2000 个在招 · 其中机器人开发 12 个
市场机会
选择不多
杭州 · 机器人开发 · 9 个在招
职位详情
关于这个职位
该职位隶属于吉利汽车集团，负责机器人导航规划算法的研发与落地
工作内容涵盖在三维复杂环境中实现全局与局部路径规划，将算法深度集成至ROS框架，并探索基于学习的前沿导航技术（如大模型交互、多模态数据应用）在机器人产品中的实际应用
最低要求
计算机，自动化，机器人等相关专业硕士及以上学历，3年以上导航规划算法开发经验，有完整的机器人产品量产落地经验
精通ROS 1与ROS 2中间件通信机制及分布式节点架构
算法层面，需熟练驾驭宏观图搜索与采样路径规划算法（如A*、Dijkstra、RRT、PRM等），深入掌握微观局部轨迹优化与预测控制模型（如TEB、MPC、MPPI等）
环境感知与建图方面，掌握复杂三维空间建模、网格数据处理（Voxel/OctoMap）、多图层代价地图（Costmap）融合计算及动态障碍物的高频实时规避逻辑
部署侧，需具备落地闭环经验，熟悉激光雷达、深度相机及IMU等多模态传感器集成与处理，准确把控边缘计算平台的算力边界，对非完整约束底盘及足式机器人的复杂运动学与动力学边界具有清晰的工程认知
工程落地看重面对真实物理世界复杂干扰时的系统级排错与解决能力
能熟练利用底层日志、坐标变换树（TF）拓扑图拓扑分析、GDB或内存性能分析工具进行精准的异常溯源与死锁突破
理解足式机器人特有的3D非结构化地形适应、离散落足点规划（Footstep Planning）及动态重心平衡约束
工作职责
三维场景路径规划： 负责机器人在三维复杂环境下的全局与局部路径规划算法研发
熟悉二维和三维地图规划算法（如占据网格、高程图），设计并实现安全的避障策略
工程部署与系统集成： 负责将规划算法模块深度集成至机器人主流软件框架（如 ROS1/ROS 2）中，实现与上游感知/建图模块、下游控制模块的高效协同
负责机器人端脚本的部署、运行框架优化与跨平台移植
前沿具身导航技术落地：Learning-based Planning、端到端导航等前沿技术预研
探索大模型交互与多模态数据在导航中的应用
AI 洞察
优缺点分析
优点
- 技术前沿性强：直接参与足式机器人、具身智能等前沿技术的产品化，技术积累价值高
- 行业前景广阔：处于汽车与机器人交叉赛道，符合智能化发展大趋势，个人成长空间大
- 大平台资源：吉利汽车作为头部企业，能提供丰富的应用场景、数据资源和工程化支持
- 技术难度极高：需要融合算法、系统、硬件、控制等多学科知识，解决真实世界的非理想问题
- 跨学科知识要求：对足式机器人运动学等特定领域知识有明确要求，需要快速学习补足
缺点 / 挑战
- 工程落地压力大：从实验室到量产，要面对成本、功耗、可靠性、用户体验等多重约束，排错复杂
- 具备扎实机器人学和算法基础，热爱解决复杂工程问题，希望将前沿技术应用于实体产品，并能承受从理论到落地全链路挑战的工程师
角色解读
- 技术专家路线：深耕机器人导航算法，向感知、决策一体化的具身智能技术专家发展
- 技术管理路线：在算法领域建立深度后，可带领团队负责更复杂的机器人系统或产品线开发
- 跨领域拓展：技术可迁移至自动驾驶、无人机、服务机器人等更广阔的具身智能领域
- 设计并实现机器人在三维复杂环境中的全局路径搜索与局部轨迹优化算法，确保安全避障
- 将算法模块深度集成到ROS系统中，打通感知、规划、控制全链路，并优化部署性能
- 负责足式机器人等前沿导航技术的预研与落地，探索大模型等新范式在物理世界的应用
- 精通经典路径规划算法（A*, RRT等）和轨迹优化算法（MPC, TEB等），并有从理论到工程落地的完整经验
- 熟练使用ROS 1/2框架进行系统集成、通信及调试，具备处理传感器数据和多模块协同的能力
- 具备强大的工程调试能力，能利用工具解决在真实物理环境中出现的复杂、隐蔽的系统级问题
- 了解足式机器人运动学/动力学，或有处理非结构化环境导航挑战的经验优先
申请策略
- 仔细研究吉利汽车在机器人、智能制造或自动驾驶领域的公开信息，理解该岗位可能支撑的产品方向
- 准备1-2个能够完整体现你“定义问题-设计算法-工程集成-解决难题”能力的深度项目案例
- 突出任何机器人导航规划项目经验，尤其是三维环境、复杂地形、传感器融合的实例
- 详细描述算法设计、性能优化（如实时性提升）、以及解决具体工程难题（如死锁、性能瓶颈）的经历
- 展示对ROS框架的熟练掌握，包括系统架构设计、多节点调试、性能分析等实践
- 如有足式机器人、边缘计算平台部署、或涉及物理动力学约束的项目经验，务必重点强调
- 系统复习MPC、TEB等轨迹优化算法的理论细节，并回顾A*、RRT等经典算法在复杂地图上的实现考量
- 深入实践ROS 2的新特性（如DDS通信），并学习Gazebo、CoppeliaSim等仿真环境进行算法验证
面试指南
- 采用STAR法则：情境(Situation)-任务(Task)-行动(Action)-结果(Result)，重点突出你的技术决策和量化成果
- 展示系统思维：不仅谈算法本身，还要关联到它在整个系统中的位置（感知输入、控制输出），以及你对工程约束（延迟、算力）的考虑
- 体现问题解决能力：详细描述调试过程，如何定位问题（用什么工具、看什么日志），以及最终的创新性解决方案
- 描述一个你设计过的三维路径规划算法，如何处理动态障碍物和高程变化？
- 在将一个复杂规划算法集成到ROS中时，你遇到了哪些关键的性能或通信问题？如何解决的？
- 请解释MPC（模型预测控制）和TEB（时间弹性带）在轨迹优化中的核心区别和应用场景
- 如果机器人在非结构化地形（如碎石地）上发生足端打滑，从导航规划角度你会考虑哪些解决思路？
- 你如何评估一个规划算法是否适合部署在算力受限的边缘计算平台上？
职位点评
薪资福利70
成长发展90
工作生活60
使命价值85
薪资福利
70中等
作为头部汽车集团的算法岗位，薪资水平在市场中应有一定竞争力，但JD未明确提及具体福利。
薪资信号市场水准 (25K-40K/月)
成长发展
90较高
该职位涉及三维路径规划、ROS系统集成、前沿具身智能技术（Learning-based Planning）等高难度、前沿领域，且要求解决真实物理世界问题，技能成长和挑战性极强。
技术前沿前沿/新兴技术
技术栈ROS 1/ROS 2、路径规划算法、MPC、TEB、传感器融合、边缘计算、具身智能、大模型交互、足式机器人
业务类型ambiguous
工作生活
60中等
JD未明确说明办公模式，推测为现场办公。作为前沿技术研发岗，可能需要较高的投入度和对复杂问题的攻克，但未提及加班文化。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
岗位直接服务于机器人（尤其是可能的足式机器人）的自主导航，属于具身智能核心赛道，技术应用具有明确的产业价值和社会想象空间。
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