核心职责：研发支持5000+机器人并发运行的集中式调度系统，攻克高密度动态环境下的多智能体协同难题。 1. 多智能体路径规划：设计研发大规模集中式调度系统的路径规划核心算法设计与性能优化，集成死锁预防/解除、动态疏散及拥堵预测/重规划，保障高密度场景下的低延迟与高吞吐。 2. 全局任务分配与编排：设计研发大规模全局任务分配算法，覆盖大小车异构匹配、立体库跨层协同（提升机+地面机器人）等复杂仓储场景，实现资源最优时空分配。 3. AI决策模型：探索深度强化学习（DRL）用于在线调度，图神经网络（GNN）用于拥堵建模，结合模仿学习/离线RL从历史数据挖掘最优策略。 4. 仿真与评估：搭建高保真仿真平台，构建量化评估体系，验证算法效率攀升以及在极限工况下的鲁棒性。 岗位要求 计算机、自动化、数学等相关专业，本科及以上学历，硕士优先 扎实的算法与数学功底，熟悉图论、运筹优化或启发式算法中至少一类 具备强化学习或深度学习实践经历，熟悉 DRL、GNN、模仿学习/离线 RL 中至少一个方向 熟练使用 Python，掌握 C++ 者优先，能独立完成算法原型与工程化落地 良好的问题抽象能力与团队协作能力，技术好奇心强 加分项： 有多智能体调度（MAPF/任务分配）相关研究或项目经历 在 NeurIPS/ICML/ICRA/AAAI/AAMAS 等顶会发表过相关论文 有仿真平台搭建或 ACM/Kaggle/数模竞赛获奖经历