工作内容 1.负责 IMU/GNSS 时序数据的整合、清洗与自动标注，构建高质量训练数据集； 2. 设计针对传感器去噪、误差补偿及轨迹优化的深度学习模型（LSTM/TCN/Transformer）； 3. 推动 AI 模型与传统导航算法（EKF/UKF）深度融合，提升复杂工况下的定位精度； 4.负责模型在 RK3588 等嵌入式平台上的剪枝、量化与 RKNN 实时推理部署。 任职要求 1.本科及以上学历，导航、自动控制或计算机相关专业，理解惯导误差模型及信号处理（FFT、FIR等）； 2. 精通 Python 及 PyTorch/TF，有扎实的时序建模、特征工程及泛化性优化经验； 3. 熟练使用 C/C++，具备模型跨平台移植经验（如ONNX/NCNN/RKNN）。 4.优先条件： 有多传感器融合、陀螺仪/加速度计硬件应用或 军品项目经验者优先。