职位概述： 本岗位是机器人从仿真走向物理世界高精度落地的核心底座支撑。你将全权负责机器人整机及端侧复杂执行器的“出厂离线标定工具链”与“运行期在线参数辨识管线”的研发。你将用敏锐的物理直觉与严谨的最优估计算法，攻克传动非线性、时变惯量、传感器温漂等物理扰动难题，重点解决关节复杂摩擦力模型建立与在线估计，为 100Hz ~ 500Hz 级运动控制团队建立高保真、可动态更新的动力学与前馈补偿矩阵。
职责描述： 1.出厂离线标定系统研发（基准建立）： 负责设计并开发整机出厂、硬件更换时的标准化离线标定流水线。独立设计全局动力学激励轨迹，结合高精度外部测量设备（如激光跟踪仪、光学动捕或高精度工装），实现关节零位偏移、多传感器外参、全身体多刚体惯量参数（质量、质心、惯量张量）的全局唯一性最优辨识。 2.运行期在线自适应参数辨识（动态补偿）： 负责研发机器人在日常作业过程中的端侧在线参数辨识算法。针对机器人操作过程中的时变负载（如突然抓取未知重量的物体）、传动系统内部润滑脂温升导致的非线性摩擦力变化、以及传感器在线温漂，设计高频、轻量化的实时估计与辨识框架，动态修正运控前馈。 3.非线性关节摩擦力与物理传动建模： 针对双臂及多指灵巧手的复杂关节特性，精细建立并辨识包含经典库伦摩擦、粘性摩擦、正反向非对称摩擦以及低速 Stribeck 效应在内的多刚体非线性关节动力学模型，攻克减速器反向间隙与迟滞效应，实现微秒级的高精度前馈控制补偿。 4.高鲁棒性最优估计与工具链开发： 负责开发高自动化、具备容错能力的标定与辨识软件。优化端侧传感器（编码器、六轴力/力矩传感器、电流计）的原始数据流清洗与异常值剔除算法，确保在线辨识算法在局部激励不足（动作幅度小）的情况下不发散、不漂移。
职位要求： 1.动力学与系统辨识功底： 自动化、控制工程、机械电子、航天航空或应用物理等相关专业；深刻理解现代多刚体动力学理论（如牛顿-欧拉方程的线性参数化表达形式）；精通系统辨识与最优估计理论（如加权最小二乘 WLS、递推最小二乘 RLS、扩展卡尔曼滤波 EKF、遗忘因子估计法等）。 2.硬核工具链精通： 熟练使用 Python/MATLAB 进行非线性数值优化、矩阵特征值分析与辨识效果评估；熟悉常见的动力学分析标库（如 Pinocchio、RBDL、CasADi 等），能对其进行底层公式复现与定制开发。 3.软硬件协同直觉： 具备良好的 C++ 编写能力，理解常见传感器（如关节编码器、六轴力矩传感器、IMU）的物理特性与噪声模型，能够协作进行现场标定数据的采集与验证。
相关岗位