无人机规划调度算法工程师

Job description

核心算法研发（三个方向）

• （1）负责无人机自主决策规划算法研发，解决数据驱动/端到端规划的挑战性问题，探索云机AI协同，推动自主飞行具身智能化 （2）负责无人机航迹规划与低空交通管理（UTM），解决多机协同、避障、四维轨迹优化及突发状况下的实时重规划问题 （3）负责无人机大规模配送场景下的运筹优化与时空调度算法设计，持续提升履约效率，降低单位配送成本。

AI & 智能体领域应用

• （1）负责大模型与 Agent 架构在规划调度中的应用，构建基于 LLM/Agent 的复杂场景决策框架、端到端任务规划与异常处理机制。 （2）负责领域数据集建设与模型微调，探索结合领域知识的混合推理机制，提升复杂调度逻辑下的泛化与鲁棒性。 （3）探索模仿学习与强化学习在轨迹生成、端到端决策及 Sim2Real 迁移中的应用，解决传统优化方法在大规模动态环境下的算力 瓶颈。

AI 赋能研发工程化

• 提炼并构建 AI-First 的算法研发全流程，熟练运用 LLM Agent、AI Code-Gen、智能数据仿真等工具，实现从问题建模、仿真验证到上线部署的高效闭环。

注

工作地点为北京或深圳， 以本JD描述为准。

基本学历与专业

• 硕士及以上学历，计算机、自动化、机器人、运筹学、工业工程、人工智能等相关专业。

工程与编程基础

• （1）具备扎实的计算机科学基础，精通数据结构与算法，熟练掌握 C++ 与 Python，具有良好的代码规范与性能调优能力。 （2）熟悉至少一种主流深度学习或强化学习框架，熟悉仿真平台（如 AirSim、Gazebo、Isaac Sim 或自定义离散事件仿真）者优先。

核心领域能力（满足以下至少方向之一）

• 方向 A：AI & 深度决策（AI & RL/Agent） （1）熟悉模仿学习（DAgger, GAIL）、强化学习（PPO, SAC, Offline RL）及其在运动规划/行为决策中的应用，了解 Sim2Real 迁移与泛化问题。 （2）深入理解大语言模型（LLM）微调（LoRA/SFT）、Agent 工具调用（Function Calling/ReAct）与 Multi-Agent 系统设计； 方向 B：运动规划与控制 （1）深入理解图搜索（A*, D*, Jump Point Search）、采样算法（RRT*, PRM）及连续轨迹优化（B-spline, Polynomial Optimization, MPC）； （2）熟悉多机协同规划（MAPF）与时空碰撞检测（SDF, OcTree）等典型方法 方向 C：运筹优化 （1）深入理解大规模组合优化问题，精通 MIP/LP 数学规划建模，熟练使用 Commercial Solvers（Gurobi, CPLEX, OR-Tools）； （2）精通元启发式算法（ALNS, Tabu Search, Genetic Algorithm）与分解算法（Column Generation, Benders Decomposition），有实战大规模 VRPTW/PDP 经验。

AI 工具效能

• 熟练运用 AI 辅助开发工具进行代码生成、重构、单元测试及算法调优，具备将 AI 工具融入每日 Workflow 的习惯。

软素质

• （1）具备极强的问题定义能力与数学建模抽象能力； （2）逻辑清晰，自我驱动，对低空经济/无人机领域保持强烈的热情与好奇心。