定位与空间感知算法工程师

算法设计与优化：研发多传感器（多目视觉、IMU、激光雷达等）融合的定位与建图算法，提升复杂工厂环境（遮挡、过曝、运动模糊）下的鲁棒性和实时性，支持动态环境适应性。

传感器标定与补偿：设计多目（4-6目）相机-IMU-6自由度机械臂的高精度联合标定方案（含离线标定与在线标定），解决温漂、振动、时间同步误差等问题；开发在线标定工具链，实现误差实时补偿。

语义环境建模：语义感知与环境建模：结合传统SfM方法与前沿深度学习感知技术，实现工件点云/线面级高精度重建与场景深度理解。负责图像/点云等感知模型的构建、训练、微调（Finetune）及轻量化蒸馏，支持语义分割、特征增强与动态障碍物识别，提升重建结果的可解释性、泛化能力与端侧部署效率。

性能优化：针对移动平台优化算法计算效率，解决从实验室到产线部署最终到量产落地过程中的工程挑战问题

技术探索与预研：跟踪多模态感知、3DGS等前沿技术，推动AI驱动的重建算法在工业场景及机器人场景的应用验证。

教育背景： 计算机视觉、机器人、数学、自动化、电子等相关专业本科及以上学历。

工程基础： 1）熟练使用C++/Python，熟悉Linux系统调优与性能分析工具 2）熟练使用Eigen、ceres、g2o等开源库，熟悉GTSAM、Ceres等优化库，熟悉COLMAP等相关工具库

算法基础，要求至少满足下面中的一项 1）具有SLAM相关算法开发与研究经验，熟悉vSLAM、SFM、LiDAR SLAM、VIO、LIO的一项或多项SLAM相关算法，熟悉特征提取、位姿优化、回环检测等关键技术。 2）掌握三维重建与空间感知相关技术（多视几何、稠密重建、点云配准）。具备图像/点云相关感知模型或世界模型的开发经验，熟悉大模型或视觉基础模型的训练、微调（Finetune）以及模型压缩与蒸馏落地；了解 FoundationStereo、VGGT、MapAnything等数据驱动的重建方法及传统线面特征提取；具备感知模型端到端调优或多模态特征融合经验者优先。 3）熟悉多传感器系统内外参标定，熟悉多视觉系统标定，具备实际落地项目自动化标定经验者优先。

优先聘用的加分项： 1）在Robotics/CV等SLAM相关领域有研究成果发表，或有出色的开源项目 2）了解具身智能/自动驾驶/AR/VR等领域感知算法，具备跨行业技术迁移能力。