工作职责：

1、高可靠 SLAM 系统研发：
负责开发视觉、激光与 IMU 深度耦合的 SLAM 算法（如 LVI-SAM, VINS-Fusion 的改进版），确保机器人在强动态（人群走动）、低纹理（白墙、长走廊）及光照剧烈变化环境下的定位稳定性。
优化后端优化算法，精通基于 Factor Graph（因子图）的非线性优化，处理大规模点云地图的构建、修剪与回环检测。
2、复杂动态规划与控制：
开发并优化多级路径规划架构，包括全局任务编排与基于 MPC（模型预测控制） 或 Timed Elastic Band (TEB) 的局部避障算法。
针对足式机器人的非平稳运动特性，实现运动学约束下的平滑轨迹生成，提升运动的自然度与能效比。
3、语义导航与空间常识：
负责 Semantic SLAM 的研发，将视觉语义分割结果集成到地图中，支持 VLA 大模型下达的“去水源附近”等模糊语义指令。
实现拓扑地图与几何地图的融合，提升长距离、跨楼层场景下的任务成功率。
4、工程化与端侧部署：
负责算法在 Jetson Orin / Xavier 等嵌入式平台的算力调优（通过 TensorRT, OpenVINO 或 NEON 加速），在有限功耗下保证实时性。

任职资格：

1、技术积淀：
极其精通 C++ (11/14/17) 与 ROS/ROS2，具有良好的算法数据结构基础。
深入理解几何视觉、对极几何、PnP 及状态估计理论，熟练使用 Ceres Solver、GTSAM、Eigen 等数学优化库。
2.行业背景与实操：
优先考虑有宇树 (Unitree)、优必选 (UBTECH) 或 追觅/石头 扫地机架构经验者。
具备处理真实传感器（Realsense, Livox, IMU）原始噪声和时钟同步（Time Sync）的实战经验。
3、多模态融合经验：
熟悉视觉与激光雷达融合（Multi-modal Fusion）方案，有解决传感器外参在线标定或失效检测经验者优先。
4、核心素质：
能够解决 Sim-to-Real 的 gap 问题，对物理环境的不确定性有深刻认识，拒绝“仅在仿真器中运行”的代码。
5、加分项
在开源社区（如 GitHub）有高星 SLAM 或导航相关项目。
具备 多机器人协同（Multi-robot Swarm） 导航或大规模群体建图经验。
熟悉视觉惯性里程计（VIO）在算力受限情况下的极致优化。