1.视觉感知算法研发，包括目标检测、实例分割、语义理解、三维重建、视觉SLAM（如ORB-SLAM3、VINS）等核心模块。 2.开发基于深度学习（如YOLO、Mask R-CNN、BEVFormer）和传统视觉算法（如特征匹配、光流跟踪）的混合解决方案，提升复杂场景下的鲁棒性；针对人形机器人特性（如动态平衡、多视角观察），优化视觉算法在运动模糊、低光照、遮挡等挑战下的性能。 3.设计立体视觉算法（双目/RGB-D/ToF相机），实现高精度深度估计、物体位姿估计（6D Pose Estimation）及场景三维重建。结合NeRF、高斯泼溅（Gaussian Splatting）等前沿技术，构建动态环境的实时语义地图。 4.开发轻量化模型，适配嵌入式平台（Jetson、地平线等）的实时性需求；与传感器团队协作，优化摄像头标定、图像去畸变、多摄像头同步（硬件触发/软件同步）等预处理流程。 5.为运动控制模块提供视觉引导信号（如抓取点定位、台阶检测），为导航模块提供可通行区域分割结果；与感知融合团队协作，将视觉输出与其他传感器（LiDAR、IMU）数据融合，提升环境理解一致性。 6.优化具身操作大模型，构建具身智能工具链路，面向工业场景完成大模型在机器人端的实际部署。

1.精通传统视觉算法（特征提取、立体匹配、PnP求解）及深度学习模型（2D/3D检测、分割、位姿估计）； 2.熟悉相机模型与标定（内参/外参）、多视角几何、SLAM框架（如ORB-SLAM3、LSD-SLAM）。 3.熟悉CUDA加速、嵌入式部署（TensorRT、ONNX）及模型压缩技术（量化、剪枝）。 4.有机器人视觉系统开发经验，如机械臂视觉引导、服务机器人场景理解、无人机视觉避障等；熟悉工业级视觉算法开发全流程（数据采集、标注、训练、部署及迭代优化）。 5.熟悉事件相机、神经辐射场、三维高斯重建等新兴技术；有ACM-ICPC/Kaggle竞赛获奖经历或顶会论文；具备人形机器人视觉系统开发经验（如手眼标定、全身运动视觉反馈）；优先考虑； 6.对视觉技术极限（如实时性、精度、泛化性）有极致追求，具备独立攻关复杂问题的能力；良好的跨团队协作意识，能够清晰传递算法需求与技术边界。