UP简历小U

13800138000|xiaou@example.com|北京

个人总结

资深人形机器人运动控制工程师，在ROS环境下拥有<strong>3年</strong>以上双足机器人稳定行走与防跌倒算法研发经验。精通机器人动力学建模、路径规划、姿态控制及传感器数据融合，具备将复杂算法高效落地于硬件平台的能力。致力于通过创新技术提升机器人自主性和稳定性，成功实现多项关键技术突破，有效降低机器人跌倒率<strong>20%</strong>。

工作经历

高级运动控制工程师

优必选科技

2022-07 - 2024-06

主导人形机器人双足行走算法的研发与优化，在ROS环境下基于C++实现了多项关键控制模块，包括零力矩点（ZMP）控制、全身控制（WBC）等，使机器人在平坦地面行走速度提升15%，步态稳定性提升20%。
设计并实现了双足机器人防跌倒策略，结合IMU、足底压力传感器等多源数据，实时预测跌倒风险，并触发自适应恢复动作，成功将跌倒率降低25%。
负责机器人动力学模型的建立与参数辨识，利用Gazebo仿真平台进行大量测试与验证，优化控制参数，将仿真与实际性能误差控制在5%以内。
参与机器人关节力矩控制器的开发，采用先进的力控算法，提升了机器人与环境交互的柔顺性与安全性。
带领3人团队完成行走步态库的构建与维护，实现了不同步态模式的快速切换与定制，支持多种应用场景需求。

项目经历

人形机器人动态平衡与抗干扰行走项目

个人研究项目

2021-03 - 2022-05

项目背景：针对双足机器人在不平坦地面和外部扰动下的稳定性挑战，探索先进的运动控制策略。
个人角色：项目负责人，负责整体架构设计、算法开发与实验验证。
核心贡献：
- 在ROS与Gazebo环境下，基于Python和C++开发了MPC（模型预测控制）算法，实现机器人对外部扰动的实时适应性调整。
- 集成了视觉系统与力传感器数据，通过卡尔曼滤波进行状态估计，提高了机器人对地面状况的感知精度10%。
- 实验结果表明，该系统在受到XXN外力冲击时，仍能保持稳定行走，跌倒概率降低30%。

基于强化学习的双足机器人步态生成项目

硕士毕业设计

2020-09 - 2022-03

项目背景：传统步态生成方法泛化性差，难以适应复杂环境。
个人角色：独立完成，负责算法设计、仿真环境搭建与实验验证。
核心贡献：
- 利用OpenAI Gym和TensorFlow/PyTorch构建强化学习训练环境，采用PPO算法训练双足机器人学习自主行走策略。
- 成功在不依赖显式动力学模型的情况下，生成了平稳、高效的行走步态，相比传统方法，在未知地形上的行走成功率提升15%。
- 通过数百万次的仿真训练，机器人学会了在坡道、台阶等多种复杂地形上稳定行走，步态切换时间缩短20%。