机器人系统架构工程师

Job description

岗位概述

宁德时代的目标是建设 无人工厂 与 无人实验室（Self-Driving Lab） 。

要让具身智能算法从论文与 demo 走向可规模化部署，关键在一套稳定、可扩展、可观测的 机器人平台工程体系

打通机器人本体、传感器、控制与安全、仿真系统、数据采集回放、评测基准、部署与运维等链路，让算法团队可以高频迭代、快速上线、持续回归。 你将主导仿真-真机一体化平台建设与闭环数据工程，打通"仿真训练→真机验证→数据回流→持续回归"全链路，让算法在真实工业场景中高频迭代、稳定运行。

你将负责（Responsibilities）或参与工作

1）机器人软件平台与接口 基于 ROS / Cyber RT / Apollo Cyber 设计低延迟、高可靠的机器人软件架构，优化 DDS QoS 策略以实现确定性通信；基于 Preempt-RT / Xenomai 优化系统实时性，保障控制环路确定性延迟；支持 CPU/GPU 异构计算 任务调度，建立统一的 TF 坐标树、配置中心与结构化日志体系，确保多机协同下的数据一致性。 设计模块化、插件化的硬件驱动框架HAL，屏蔽机械臂/移动底盘/末端执行器等本体差异；实现 标准运动/感知接口（位置/速度/力控指令、状态反馈），支持多设备快速接入与热插拔替换。 负责 RGB-D/LiDAR/IMU/力矩传感器/编码器等异构传感器的驱动适配、时间戳对齐与空间标定；构建传感器融合中间件，为上层算法提供统一、低延迟、高置信度的感知数据流。 对接工厂现有 MES/PLC/SCADA 系统，实现 OPC UA / Modbus TCP / EtherCAT 等工业协议解析与指令交互；支持产线节拍同步、任务调度下发与状态上报，确保机器人与自动化产线无缝协同。

2）机器人仿真-真机一体（Sim2Real 工程） 高保真数字孪生与 USD 管线建设：基于 NVIDIA Omniverse / USD 构建工业级数字孪生场景，实现产线/实验室设备的 photorealistic 建模与物理属性（质量/摩擦/惯性）精准对齐；研发自动化资产导入流程，支持 CAD 模型到仿真资产的无损转换与材质优化，确保仿真环境与物理现场的一致性。

GPU 加速并行仿真与大规模训练

搭建基于 Isaac Sim/Lab的 GPU 加速并行仿真集群，支持大规模并行环境同步运行，满足强化学习（RL）大规模策略训练需求；优化仿真步进与渲染性能，实现低延迟、高吞吐的 Sim2Real 数据生成，支撑算法快速迭代。

高级传感器建模与域随机化（Domain Randomization）

构建高保真传感器模型：实现相机（噪点/曝光/畸变）、LiDAR（反射率/雨雾衰减）、力控（漂移/噪声）的物理级仿真；设计系统化域随机化策略：覆盖光照、纹理、物理参数及场景布局，提升策略在真实场景中的泛化性与鲁棒性。

生成式仿真与自动场景构建

探索 Generative AI / NeRF / 3D Gaussian Splatting 技术在仿真场景重建中的应用，实现从真实视频/图像到仿真环境的快速还原； 3）数据采集、回放与评测闭环 建设支持 RGB-D/LiDAR/力觉/IMU/关节状态 的时空同步采集系统，采用 MCAP/Parquet 等高效存储格式替代传统 bag；引入 VLM/SAM 辅助的自动化标注 与 主动学习（Active Learning） 策略，智能筛选高价值/失败样本，构建版本化数据湖（DVC/LakeFS），支撑数据驱动的策略迭代。 搭建时空对齐的多模态回放引擎，支持真机轨迹在仿真环境中的高保真复现与 硬件在环（HIL） 验证；开发基于语义的场景片段检索系统，支持按任务类型、失败原因、环境条件等维度快速复用数据，加速 Corner Case 修复与回归验证。

构建多维度评测体系

除任务成功率、实时性、鲁棒性外，引入基于 VLM 的语义完成度评估、不确定性量化。搭建基于 OpenTelemetry + Prometheus + Grafana 的机器人可观测平台，实现指标监控、分布式追踪与日志聚合；集成 Foxglove Studio / 自研3D可视化工具，支持轨迹、点云、注意力图的同步回放； 设计事件触发式数据回流机制：当真实场景中出现任务失败、安全预警或性能下降时，自动采集数据、生成仿真测试用例并触发回归评测；探索 基于失败分析的自动场景生成，形成"采集→标注→训练→评测→部署"的无人值守迭代闭环。支持高效真机在线强化运行。 4）硬件集成与现场部署支持 机器人硬件集成：机械臂/移动底盘/末端执行器、相机/深度/力传感器/IMU 等驱动适配与维护。

现场部署与运维支持

设备上线、版本发布、远程诊断、故障定位、稳定性优化。

安全机制配合落地

急停、速度/力限制、碰撞检测、保护区等（按现场规范协同实现）。

必备要求（Must-have）

熟悉 ROS/ROS2（或同等级机器人中间件）核心能力：驱动接入、TF、标定、bag 录制回放、节点与通信。

熟悉机器人操作/导航常用栈

MoveIt、Nav2、轨迹规划、视觉伺服、力控、抓取等。

熟悉仿真引擎深度开发

精通 Isaac Sim / Unreal Engine 5/MuJoCo二次开发，有自定义 PhysX 物理插件或渲染管线优化经验； 跨团队协作能力强：能把算法需求转成可运行系统与可量化指标。

加分项（Nice-to-have）

熟悉仿真引擎深度开发：精通 Isaac Sim / Unreal Engine 5/MuJoCo二次开发，有自定义 PhysX 物理插件或渲染管线优化经验； USD 生态经验：熟悉 USD 数据架构与 Pipeline 开发，有 Omniverse Connector 或相关资产互操作项目经验； 生成式数据引擎：了解利用 GenAI 生成合成数据（Synthetic Data）用于感知或控制模型训练的前沿实践。

熟悉机器人操作/导航常用栈

MoveIt、Nav2、轨迹规划、视觉伺服、力控、抓取等。

机器人系统工程经验

软硬件协同、传感器集成、真机调试与现场落地。

有工业机器人或实验室自动化经验

产线节拍、设备接口、实验仪器操作与流程自动化。

你在这里的成功标准

让算法团队在真机上“跑得起来、跑得稳定、问题可定位、版本可回滚”，迭代速度明显提升。

仿真—真机—回放—回归闭环可用

关键任务具备稳定评测与持续改进机制。

在无人工厂/无人实验室场景中完成可持续部署支持

安全、稳定、可观测、可维护。