研究方向（滿足之一）：
一. 園區級別單車智能駕駛系統
1、研究路面動態目標意圖預測模型。通過激光雷達、視覺相機與毫米波雷達融合的實時感知數據，研發固定路徑下基于視覺特征的單車智能自動駕駛控制算法及模型。
2、研究非入侵式車輛運動控制映射。基于路測感知數據與車輛動力學參數，結合人工智能方法生成車輛轉向、制動指令，并通過5G網絡下發車輛，實現車輛的遠程駕駛控制。
3、設計基于群體智能的交通流優化模型。通過人工智能方法以及路測感知數據，動態生成車輛車速引導策略。
二. 儀器儀表自動化檢測系統
1、開發高精度智能傳感器與數據采集系統。針對工業場景復雜工況，設計集成多種傳感器（如溫度、壓力、流量、振動等）的智能采集模塊，實現多參數同步采集與預處理，提升系統的實時性與可靠性。
2、構建開放式自動化檢測平臺。開發模塊化、可擴展的自動化檢測系統架構，支持多種通信協議與工業總線，便于與現有生產線集成，實現快速部署與靈活配置。
3、研究檢測系統的自適應與自優化機制。通過引入自學習算法，使檢測系統能夠根據環境變化和設備狀態自動調整檢測策略和參數，提高檢測的準確性和效率。
4、推動檢測系統的標準化與互操作性研究。參與制定相關行業標準，確保不同廠商設備之間的兼容性與互操作性，促進自動化檢測系統的廣泛應用與推廣
三. 工業智能邊緣計算與預測性維護系統
1、開發輕量化嵌入式AI系統。基于ARM/GPU架構構建邊緣計算單元，集成TensorRT等框架，支撐工業場景的實時推理。
2、研究多模態信號融合與在線異常檢測。針對設備振動、溫度、聲學時序數據，設計基于人工智能的自適應特征融合算法，實現動態工況下的異常檢測、故障診斷、故障預警等功能。
3、研究基于人工智能的模型動態更新機制，實現工業設備數據的自動采集、處理、標注以及模型的自優化功能。
四. 汽車摩擦片配方智能設計與多目標優化平臺
1、建立摩擦材料構效關系模型。基于人工智能、機器學習等技術挖掘摩擦片配方結構與摩擦性能之間的關聯，整合現有實驗數據庫實現摩擦配方性能預測。
2、 開發多目標深度學習優化框架。基于深度學習平衡摩擦系數、耐磨性與成本，實現高性能材料配方的自動化尋優。
3、構建跨尺度虛擬實驗平臺。融合微觀結構分析與宏觀特性預測，建立材料性能數字孿生系統，替代傳統試錯式開發流程。
五. 人形機器人及其他新技術產業融合應用
1、 結合汽車生產檢測測試行業需求，研究機器人的產業落地。及相關產品應用。
2、探索汽車檢測與機器人場景的通用AI算法（如多模態異常檢測、小樣本遷移學習）；
3、研究人形機器人在汽車檢測場景的自動化應用（如基于視覺/力控的車輛部件智能巡檢/智能操作）。
任職要求：
博士學位（計算機、機械、車輛、控制工程、自動化或其他相關專業）
1. 熟悉嵌入式 Linux 開發，具有一定的邊緣計算框架實戰經驗優先
2. 扎實的AI算法、優化算法、邊緣計算等基礎知識，具備一定的的深度學習、機器學習等算法開發、驗證、測試經驗
3. 熟悉常用的機器學習與深度學習框架，具有故障診斷或工業應用相關研究經驗者優先
4. 良好的編程與數據分析能力，熟悉Python、MATLAB編程。熟悉pytorch、tensorflow等深度學習架構。
5. 具備團隊協作精神及良好的跨學科科研創新能力。
福利待遇：
1、公司解決北京戶口
2、公司免費提供獨立住房；
3、公司免費提供工作餐；
4、公司入職即為員工繳納全額基數的五險一金，另有補充醫療；
5、公司每年一次健康體檢；
6、公司內部為員工免費開放健身房；
7、節假日禮品/禮品卡等。