机器人决策调度算法工程师

机器人调度算法工程师（JD） 岗位背景 面向多机器人集群作业场景（线束自动化产线），你将负责 N 台机器人的任务分配、路径规划、多机避碰与节拍调度，让整个机群在真实工厂环境中高效、稳定、可持续地协同生产。你需要既能在算法层面建模求解，也能把方案在端侧算力与实时性约束下工程化落地。 核心职责 一、调度与优化算法

• 设计并实现多机器人 任务分配（Task Allocation） 与 调度编排（Scheduling） 算法，优化整线节拍、单机等效人力比与资源利用率；
• 攻关 多智能体路径规划与避碰（MAPF / 交通管制），解决多机并行下的死锁、拥堵、抢占问题；
• 构建 备用机自动轮替、故障接管、动态重调度 机制，保障集群在扰动下的高可用；
• 面向有限资源（充电、料口、工位、通道）设计排队与协调策略。 二、端侧工程落地
• 将调度算法工程化部署到机器人端侧 / 边缘计算单元，在算力、内存、实时性约束下做裁剪与优化；
• 保障调度决策的实时响应与确定性（关键决策低延迟、可预测），处理端-云通信中断、状态不一致等异常；
• 与运控、感知、通信团队联调，打通「调度决策 → 运动执行 → 状态回传」闭环；
• 建设调度系统的可观测性（指标埋点、运行日志、异常告警）与现场问题快速定位能力。 三、系统协同与迭代
• 与产线、硬件、软件平台团队协同，将调度能力沉淀为可复用、可跨线迁移的平台组件；
• 基于真实运行数据持续调优策略，建立仿真验证 → 现场灰度 → 基线化的迭代闭环。

任职要求 基础

• 计算机 / 自动化 / 运筹优化 / 机器人 / 控制等相关专业，本科及以上；
• 扎实的算法与数据结构功底，熟练 C++（端侧首选）与 Python。 算法能力（至少精通一项）
• 运筹优化：整数规划 / 组合优化 / 启发式与元启发式（遗传、蚁群、局部搜索）/ 求解器（OR-Tools、Gurobi）；
• 路径与调度：A* / Dijkstra / CBS 等 MAPF 算法、图论、排队论；
• 建图 / 定位：了解 SLAM、激光 / 视觉建图、地图构建与机器人定位（AMCL、位姿估计）等原理，能与调度所依赖的地图 / 拓扑层协同者优先；
• 强化学习 / 学习型调度：了解强化学习、模仿学习等在动态、不确定环境下用于调度决策的方法与边界，有相关实践者优先；
• 机器人学基础：了解运动学 / 逆运动学、坐标变换、位姿表示、运动规划与运动控制等机器人学基本概念，能理解调度决策下达到本体后的执行约束与可行性，与运控 / 本体团队沟通无障碍者优先。 端侧工程能力（硬性加分项）
• 有 Linux / 嵌入式 / 边缘端 实际部署经验，理解实时系统（RTOS、实时性调度）；
• 熟悉 ROS / ROS2等中间件、多进程/多线程并发、通信协议（DDS、MQTT、gRPC）；
• 有算法在资源受限设备上的性能优化经验（延迟、内存、功耗）。 复合与软实力
• 具备从数学建模到现场落地的全链路能力，能独立把一个模糊的产线问题拆成可求解的调度模型并跑通；
• 有 多机器人系统 / AGV·AMR 集群调度 / 智能制造 APS 相关项目经验者强烈优先；
• 现场导向、抗压、能与跨职能团队高效协作，认同「鲁棒的系统不应依赖人的纪律性，要靠机制保证正确」。 加分项
• 有大规模机群（数十~上百台）真实产线调度落地经验；
• 熟悉数字孪生 / 仿真平台（如 Gazebo、Isaac Sim）做调度策略验证；
• 有高并发分布式系统或实时决策系统的架构经验。
• 熟练运用 AI 工具提升研发效能：如 AI 编程助手（Copilot、Cursor、Claude Code 等）辅助编码与调试、大模型辅助算法方案设计 / 文档 / 问题定位；有将 AI 工具 / Agent 引入调度算法研发或运维流程、形成可复制提效范式的实践者优先。