牛敬业
188****5842niu****@***.com北京28男运动规划算法工程师在职北京30k-40k •系统修读机器人学、运动控制、计算机图形学等前沿课程，GPA排名前15%，获校级一等奖学金。
•带队获RoboCup机器人竞赛全国冠军，负责设计移动机器人集群协同算法，完成复杂任务动态调度方案设计。
•参与国家级大创项目《多智能体协作路径规划》，提出改进型A*变体算法，相关成果发表于国内核心期刊。
•主导园区自动驾驶场景下的轨迹优化研发，创新性结合Frenet坐标系与启发式搜索算法，将复杂场景规划延迟从平均50ms压缩至25ms，显著提升实时决策能力。
•设计多模态感知融合模块，整合摄像头与毫米波雷达数据流，在雨雪天气条件下将目标识别准确率从88%提升至94%，支撑极端环境下的安全规划。
•搭建全场景仿真测试矩阵，覆盖园区、校园、地下车库等20+类环境，实现算法鲁棒性验证自动化，测试用例通过率达98%。
•针对物流分拣机器人集群调度需求，提出基于深度强化学习的动态避障策略，使密集环境下的避障成功率从82%跃升至96%，获公司年度技术突破奖。
•重构路径规划核心引擎，引入APF人工势场算法与动态权重调整机制，在仓储迷宫场景中路径生成效率提升50%，单次任务耗时缩短至原60%。
•主导算法轻量化改造，通过算子融合与内存优化，使嵌入式平台部署后CPU占用率下降35%，满足7×24小时连续作业要求。
•项目背景：针对高校园区巡检机器人面临的复杂动态环境，设计全天候自主导航方案。
•技术实现：采用Dijkstra全局规划与RRT*局部优化混合架构，结合YOLOv5实现动态障碍物预测，构建自适应速度规划模块。
•项目成果：在2000㎡测试区域实现日均巡检里程提升40%，误判率降低至2%以下，获校级科技成果二等奖。
•项目背景：解决高速路变道、跟车等典型场景中的实时轨迹规划难题。
•技术实现：开发基于模型预测控制（MPC）的轨迹优化框架，融合车辆运动学与交通流预测模型，实现毫秒级响应。
•项目成果：在封闭测试场实现120km/h高速跟车场景下碰撞风险降低95%，算法通过工信部自动驾驶测试认证。
对运动规划算法充满热情，尤其痴迷于解决复杂动态环境中的实时决策难题。拥有严谨的逻辑思维与代码洁癖，习惯用数学建模拆解问题，擅长跨学科知识融合。在自动驾驶与机器人领域有3年实战经验，熟练掌握轨迹优化、强化学习等核心技术。曾获国家级算法竞赛金奖，持续在GitHub维护开源规划框架，乐于通过技术创新推动行业效率升级。
专利:
持有《基于深度强化学习的机器人动态避障方法》发明专利（ZL202310XXXXXX.X），已获国家知识产权局授权。
参与撰写《动态环境下的多车协同轨迹规划研究》论文，发表于《IEEE Transactions on Intelligent Transportation Systems》期刊。
