The posting
负责机器人末端执行器设计优化方向的算法研发与体系建设，面向抓取、操作、装配、工具使用等复杂任务，建立可量化、可评估、可迭代的设计优化方法。 建立任务驱动的末端执行器设计与评估框架，对机构构型、自由度配置、尺寸参数、驱动方式、传动方案、材料、接触界面及传感器布局等关键要素进行联合建模和优化。 研究末端执行器形态与任务能力之间的关系，综合考虑操作性能、负载、自重、精度、速度、刚度、灵巧性、可靠性、成本和可制造性，输出可工程落地的设计方案。 结合运动学与动力学建模、接触分析、大规模仿真、任务与场景生成、数据分析及智能优化方法，提高设计空间探索和方案验证效率。 推动末端执行器设计从专家经验与反复试制，转向任务定义、自动评估、数据驱动优化和真实硬件验证相结合的系统化流程。 与机械、硬件、控制、感知、操作算法、仿真和数据团队协作，完成需求定义、方案设计、算法优化、样机验证及工程迭代闭环。 建立末端执行器设计优化的指标体系、基准任务、实验流程和工具链，沉淀可复用的方法论与工程规范。
博士学历，机械工程、机器人、自动化、控制、人工智能或相关专业背景；具备机械设计、机构学、机电系统或机器人硬件训练背景者优先。 具备夹爪、灵巧手、机械手、工具型执行器或其他机器人末端执行器的设计、建模、分析或研发经验。 熟悉机构学、机器人运动学与动力学、接触力学、驱动与传动、结构设计等基础知识，能够理解真实硬件系统的工程约束。 熟悉系统建模、设计优化、参数搜索、仿真评估、实验设计或自动化设计中的至少一个方向。 了解抓取与操作、场景与任务生成、机器人学习、强化学习、模仿学习或智能优化等方法，并能够将其用于执行器设计与性能评估。 具备较强的工程实现能力，熟悉 Python/C++及常用机器人或仿真工具，能够搭建自动化实验流程并分析大规模实验数据。 具备跨学科沟通和系统性设计能力，能够在算法指标、机械性能、控制复杂度、可靠性、成本与可制造性之间作出清晰权衡。 加分项 有灵巧手、多指夹爪、自适应夹爪、柔性执行器、欠驱动机构、变刚度机构或工具型执行器相关研究与项目经验。 有触觉、力觉、视觉或多模态传感与末端执行器一体化设计经验。 有抓取规划、灵巧操作、接触丰富操作、强化学习或操作策略训练经验。 有多目标优化、拓扑或机构优化、自动化设计、大规模仿真、数字孪生或软硬件协同设计经验。 有真实样机设计、加工装配、测试验证、可靠性分析、部署或量产经验。 在机器人、机械设计、优化、控制或具身智能相关顶级会议、期刊发表过高质量论文。 有从 0 到 1 建设执行器技术方向、设计工具链或评估体系的经验。
