1核心算法開發(fā)
（1）模型設(shè)計(jì)針對(duì)陪護(hù)機(jī)器人人臉識(shí)別語音交互等場(chǎng)景，設(shè)計(jì)CNN/RNN/Transformer等深度學(xué)習(xí)模型，完成數(shù)據(jù)標(biāo)注與訓(xùn)練；基于TensorFlow/PyTorch優(yōu)化模型結(jié)構(gòu)（輕量化設(shè)計(jì)），通過INT8量化適配RK3588SNPU等硬件。
（2）嵌入式部署將模型部署至STM32/RK3588等邊緣設(shè)備，利用TensorFlowLite/RKNN實(shí)現(xiàn)端側(cè)推理；優(yōu)化計(jì)算圖（算子融合內(nèi)存復(fù)用），保障實(shí)時(shí)性（如動(dòng)態(tài)避障延遲<200ms）。
（3）傳統(tǒng)算法開發(fā)傳感器濾波FFT分析等信號(hào)處理算法及PID控制路徑規(guī)劃算法；實(shí)現(xiàn)IMU+激光雷達(dá)融合的SLAM建圖與導(dǎo)航。
2數(shù)據(jù)閉環(huán)構(gòu)建
（1）設(shè)計(jì)機(jī)器人日志交互錄音等數(shù)據(jù)采集方案，構(gòu)建邊緣-云端管道；
（2）開發(fā)數(shù)據(jù)清洗（去噪異常處理）及半監(jiān)督自動(dòng)化標(biāo)注工具；
（3）通過在線學(xué)習(xí)/聯(lián)邦學(xué)習(xí)迭代模型，設(shè)計(jì)A/B測(cè)試（如語音喚醒率提升5%）并輸出量化報(bào)告。
3跨團(tuán)隊(duì)協(xié)作
（1）協(xié)同硬件團(tuán)隊(duì)選型主控芯片（評(píng)估NPU算力適配YOLOv5s）定義傳感器規(guī)格；
（2）向嵌入式團(tuán)隊(duì)提供tflite/rknn量化模型，聯(lián)合調(diào)試內(nèi)存與推理速度，開發(fā)性能監(jiān)控模塊；
（3）與產(chǎn)品經(jīng)理協(xié)作，將技術(shù)指標(biāo)轉(zhuǎn)化為用戶體驗(yàn)參數(shù)（如95%語音指令響應(yīng)<1秒），評(píng)估功能算力占用可行性。
1計(jì)算機(jī)科學(xué)人工智能相關(guān)專業(yè)碩士及以上學(xué)歷；
2熟悉深度學(xué)習(xí)框架（如TensorFlowPyTorch）；
3有語音/NLP或計(jì)算機(jī)視覺項(xiàng)目經(jīng)驗(yàn)者優(yōu)先；
4熟悉ROS及機(jī)器人算法者優(yōu)先。

職位類別：

舉報(bào)