1.運動控制算法：建立簡化版正逆運動學模型（用 MATLAB 快速計算），設計基礎步態(tài)（靜態(tài)行走、慢速小跑），開發(fā) ZMP 平衡控制（基于 IMU 數(shù)據(jù)，用卡爾曼濾波做姿態(tài)融合），解決機器人平地行走失衡問題；
2.聯(lián)調(diào)與優(yōu)化：將步態(tài)算法移植到嵌入式平臺，現(xiàn)場調(diào)試步態(tài)卡頓（如調(diào)整步長參數(shù)）、機身傾角（誤差≤2°），輸出《運動控制聯(lián)調(diào)報告》，確保機器人能穩(wěn)定行走（連續(xù) 100 米無摔倒）。
協(xié)作對象：電機 & 驅動工程師（對接電機驅動接口）、感知 & AI 工程師（獲取傳感器數(shù)據(jù)）。
3. 感知 & AI 工程師（1 人，合并原 “感知算法工程師 + 人工智能算法工程師”）
核心職責：同時負責傳感器方案、環(huán)境感知與基礎 AI 決策，讓機器人 “能看見、能簡單決策”，避免感知與 AI 分拆導致的數(shù)據(jù)脫節(jié)。
工作內(nèi)容：
1.傳感器方案：選型低成本傳感器組合（如 Intel RealSense D435i（視覺 + IMU）、足底 FSR 力傳感器），完成傳感器標定（用棋盤格標定相機，用標準砝碼標定力傳感器），輸出《傳感器標定參數(shù)表》；
2.感知算法：開發(fā)簡化版環(huán)境感知功能，用 OpenCV 做地面分割（識別平地 / 臺階）、用 YOLOv5n（輕量化模型）做障礙物檢測（準確率≥85%），融合 IMU 與力傳感器數(shù)據(jù)判斷足端是否著地（力＞3N 視為著地）；
3.基礎 AI 功能：用 PyTorch 搭建簡易強化學習模型（如 PPO），在 Unity 仿真環(huán)境中訓練 “摔倒后起身” 動作（訓練周期≤1 周），通過 Sim2Real 遷移到真實樣機（用少量數(shù)據(jù)微調(diào)，起身成功率≥70%），輸出《感知與 AI 測試報告》。
協(xié)作對象：嵌入式 & 控制工程師（提供傳感器數(shù)據(jù)接口）、機械 & 原型工程師（確認傳感器安裝位置）。
任職要求：
1. 計算機科學、機械工程、應用數(shù)學或相關領域的本科以上學位。
2.1-3年以上算法設計和開發(fā)經(jīng)驗。
3. 熟悉機器人運動學、動力學、傳感器和控制技術。
4. 精通C++/Python編程和ROS操作系統(tǒng)。