机器人轨迹寻优算法实习生

职位描述

岗位职责

负责机器人（机械臂 / 移动机器人）轨迹规划与寻优算法的研究与实现，包括基于采样的规划（RRT*、PRM）与基于优化的规划（CHOMP、TrajOpt、MPC）。

研究轨迹参数化与时间最优控制方法，对路径点进行插值与平滑，确保轨迹满足速度、加速度、加加速度等运动学与动力学约束。

设计复杂环境下的避障代价函数与硬约束，利用非线性优化方法（SQP、内点法）求解带约束的轨迹优化问题。

在仿真环境（Gazebo / MuJoCo / Isaac Sim）中搭建测试场景，完成算法性能评估，并协助在真实机器人平台上调试与部署。

探索强化学习或学习优化方法在轨迹寻优中的应用，如利用 RL 进行局部轨迹调整或优化器热启动。

任职要求

任职要求

计算机、自动化、机器人、控制工程、数学等相关专业在读本科（大三/大四）或硕士、博士研究生。

具备扎实的数学基础（线性代数、微积分、非线性优化），熟悉梯度下降、高斯牛顿法、LM 算法或凸优化（QP）等常见轨迹优化方法。

熟悉经典规划算法（A、Dijkstra、RRT/RRT）与轨迹优化框架，了解机器人运动学（正逆解、雅可比矩阵）与动力学建模。

熟练使用 C++ 或 Python，具备良好的工程代码习惯，熟悉 Linux 开发环境与 Git 版本管理。

有 ROS/ROS2 使用经验，了解 MoveIt、OMPL 或轨迹优化库（trajopt、Ceres Solver、IPOPT）者优先。

加分项

有机械臂运动规划、移动机器人局部避障或ADAS规控项目的实际落地经验。

熟悉 MPC（模型预测控制）在轨迹跟踪与优化中的应用。

在 ICRA、IROS、RSS 等机器人顶会发表过相关论文，或有高质量 GitHub 开源项目。

熟悉基于强化学习的连续控制算法（DDPG、SAC、PPO）在机器人轨迹生成中的应用。