1. 负责巡检机器人多模态感知融合算法研发与落地，融合激光雷达、视觉图像、IMU惯性数据、温湿度、气体、局放等多源传感器数据，提升机器人环境感知、状态监测、故障识别精度与稳定性。 2. 负责时序数据对齐、时空同步、软硬件时间戳校准，解决多传感器数据异步、延迟、错位、帧率不一致等问题，构建统一、稳定的机器人感知时序体系。 3. 主导滤波与降噪算法开发优化，包括卡尔曼滤波、扩展卡尔曼滤波（EKF）、粒子滤波等，针对巡检场景电磁干扰、设备噪声、环境抖动、异常跳变数据进行降噪、平滑、修复与异常剔除。 4. 负责激光/视觉/IMU/环境传感器（温湿度/气体/局放）多模态融合算法建模、训练、推理优化，实现巡检环境数据稳定输出、设备异常精准识别、状态精准评估。 5. 针对户外工业场景、强电磁干扰、高低温漂移、振动干扰等复杂工况，持续优化融合算法鲁棒性，解决数据漂移、噪声过大、误报、漏报等现场问题。 6. 配合定位、建图、检测、巡检任务算法模块，输出高精度、高稳定的融合感知数据，支撑机器人自主巡航、定点采集、设备状态诊断、异常告警功能落地。 7. 完成算法迭代、测试验证、文档输出、版本固化，支撑产品样机迭代与量产交付。

1. 硕士及以上学历，自动化、测控、计算机、电子信息、机器人、数学等相关专业，1-3年机器人多传感器融合算法经验。 2. 精通核心滤波算法：熟练掌握卡尔曼滤波、EKF扩展卡尔曼滤波、粒子滤波，能够独立建模、调参、优化降噪效果。 3. 熟悉多模态数据融合场景：具备激光、视觉、IMU、温湿度、气体、局放等多源传感器融合实战经验。 4. 熟练掌握时序数据对齐、时空同步、时间戳校准、数据插值补偿技术，解决多设备异构数据同步难题。 5. 熟悉工业现场干扰处理，擅长电磁干扰降噪、异常数据剔除、传感器漂移校正、抖动平滑处理。 6. 熟练使用C++/Python，熟悉ROS/ROS2，熟悉SLAM、定位、感知算法流程，有巡检机器人项目经验优先。 7. 数学功底扎实，对数据噪声、误差模型、状态估计有深刻理解，能针对现场问题做算法针对性优化。