【原住民徵才專區】工研院生醫所_嵌入式系統工程師

【工作內容】 結合作業研究(OR)、數學建模與資料工程，開發高效能AI演算法，確保模型能與現有的應用系統無縫對接，轉化為可落地產品，將AI技術轉化為商業價值。 1.演算法設計建模、開發與優化：根據場域需求選擇合適的數學模型及演算法，完成建模與演算法之設計與實作和優化， 並監控模型上線後表現，進行參數調優與版本迭代。 2.數據與資料建構：設計多元格式異質資料(如：結構化、非結構化之物聯網感測器數據、歷史交易紀錄)的採集與清洗方式， 並執行資料蒐集、清洗、特徵工程。 3.系統整合對接：開發AI模型與前端應用系統及後端資料庫(如：SQL、Oracle)的串接程式及模型整合介面，確保AI模型推論功能的可用性、穩定性與效率。 4.趨勢應用與導入：追蹤AI發展(如：AI Agents,多模態技術)，掌握技術新趨勢，並結合產業需求規劃技術發展方向，再開發後導入至實證場域。 【需求條件】 1.具開發大型AI領域系統經驗，或曾參與大型國科會或科專計畫，運用Python、C相關(C、C++、C#)或R語言發展AI演算法，應用於大型語言模型(LLM)微調、多視角整合之電腦視覺影像判斷與空間理解、協作機器人、物流/製造場域自動化系統、Edge AI部署、大型路網或交通量指派等實例；有封裝演算法與應用系統串接的實戰經驗者，熟習LLM應用框架、PyTorch、TensorFlow、RAG架構者尤佳。 2.數學建模知識：具備線性代數、機率統計、數值分析知識，具ILOG CPLEX、Gurobi Optimizer等工具實務運用經驗。 3.核心程式開發能力：熟稔Python、C相關(C、C++、C#)或R語言程式，及RESTful API 設計、資料庫架構與Linux開發環境。 4.資料處理能力：具備處理海量數據及基本數據視覺化能力。 5.軟實力：具備熱忱學習態度，快速掌握新技術，能編寫技術文件，並將商業需求轉化為技術規格；同時擁有良好的邏輯思維與跨部門溝通和團隊合作能力。

工作內容說明：系統級FPGA架構設計 + AI/視覺IP開發 + 特殊應用系統整合 

1.CIM AI晶片之ASIC FPGA Prototyping平台建置與驗證 

2.TinyML平台關鍵IP之FPGA設計與加速架構開發 

3.TinyML系統級FPGA整合與邊緣AI應用開發 

4.量子運算控制系統之低溫FPGA控制架構開發 

5.FPGA硬體與軟體協同設計（HW/SW Co-design） 

6.建立AI晶片設計前期驗證與系統測試平台

• 具備以下任一項經驗者佳： 

　- 實際參與機器人與視覺整合系統開發 

　- 電腦視覺與影像處理應用（OpenCV、PCL） 

　- AI/深度學習演算法整合與應用於實體機器人專案 

• 熟悉 C++ 與 Python 程式設計，具五年以上相關開發經驗 

• 熟悉以下技術者尤佳： 

　- OpenCV、Point Cloud Library (PCL)、CUDA、Qt 

　- 物件導向程式設計、多執行緒程式架構 

　- ROS 或其他機器人軟體平台整合經驗 

• 具備良好的溝通能力、團隊合作精神、主動積極、責任感強

《工作內容》 

負責視訊處理/編碼演算法設計開發，包含AI視訊處理、超低延遲視訊壓縮軟體架構設計開發、視訊編碼前後處理演算法開發，以及參與MPEG國際標準會議。 

《職務亮點/優勢》 

參與MPEG國際標準：從演算法開發到建立參與國際標準的核心能力建構。

開發機器人/機器手臂大腦相關技術，協助產業進行「智動化」，並扣合相關的AI晶片，打造聰明又輕巧的AI大腦，其工作內容包括 

1. (技能學習)：以基礎模型/大語言模型為核心，開發高效率zero-shot、few-shot機器人技能學習框架。 

2. (快速調適)：研究機器人基礎模型(如VLA、LBM)之行為控制與優化技術。 

3. (模擬資料生成)：開發自動擬真資料生成技術、包括模擬環境建立與相關物理互動模擬、Large World Model技術。 

4. (實體資料蒐集架構)：開發透過人為示範驅動實體手臂蒐集實體資料之互動架構。 

5. (AI演算法於Edge端的部署)：包括model pruning、quantization、NAS、使用不同平台底層平行化框架(如Triton、CUDA、oneAPI)進行加速、TVM、LLVM、model compilation之相關技術開發。

《工作內容》 

負責無人載具之感測器整合與嵌入式控制韌體開發，依專案需求執行一至多項核心任務。工作內容包含： 

‐感測資料擷取與處理。 

‐通訊介面與控制邏輯設計。 

‐多感測融合演算法開發（涵蓋 IMU、GPS、LiDAR、Camera 等）。 

並需與自動導航及控制演算法團隊協作，進行模組整合、系統測試與效能優化，確保整體系統運作穩定且精準。 

《職位亮點/優勢》 

1) 跨域研發實作環境：結合感測、控制、導航與AI技術，參與從演算法到實機測試的完整開發流程。 

2) 多載具應用經驗：實際操作多旋翼無人機、無人化載具，驗證自主導航與感測整合成果。 

3) 前瞻技術導向團隊：採用 PX4、ROS、Ardupilot 等開源平台，推進飛控、MAVLink通訊與VIO/VSLAM技術研發。

運用先進人工智慧、機器學習與最佳化技術，將資料轉化為可落地的決策能力，協助企業在複雜的工業場域中實現智慧化、自動化與最佳化。主要工作內容包括： 

1. (AI 與機器學習模型研發)：研發並實作各類機器學習、深度學習、統計建模方法與預訓練模型(如 time-series foundation models)，針對工業設備與製程數據建立高準確度的預測與決策模型，用於品質預測、異常偵測與趨勢分析。 

2. (決策與最佳化演算法設計)：設計與開發最佳化演算法（數值最佳化、代理模型最佳化、啟發式演算法等），解決多目標、多限制條件下的工業決策問題，並應用強化學習（Reinforcement Learning）於設備控制、製程參數調校與策略自動學習，提升效率與穩定性。 

3. (理論引導與模型融合)：結合物理定律、工程經驗與數學模型，進行理論引導建模（Physics-informed / Theory-guided Modeling），提升模型可解釋性與泛化能力，將資料驅動模型與機制模型整合，提高模型準確度並降低對大量資料的依賴。 

4. (工業應用落地與數位雙生)：將 AI 模型實際應用於工業設備或製程的參數最佳化、能耗降低、良率提升與風險控管，建構與維運數位雙生（Digital Twin）系統，模擬真實設備與製程行為，支援情境推演、策略評估與即時決策。

智慧視覺之技術開發及維護:  

1.智慧品質回饋視覺模組 

2.智慧視覺導引定位與檢測系統 

3.機器學習式檢測模組

預判未知物件的最佳抓取姿態，主要工作內容包含但不限於： 

1.開發與優化基於深度感測器(RGBD)的多視角3D點雲處理演算法 

2.設計與訓練深度學習模型，用於無序堆疊物件的實例分割(Instance Segmentation)與物件6自由度姿態估測(6D Pose Estimation) 

3.預判隨機物件的形體、重心與最佳夾取點，解決雜亂堆疊物件揀選問題 

4.將演算法部署至邊緣運算平台(Edge Devices)，確保即時性

1.嵌入式手術平台或生理訊號應用平台開發 

2.負責嵌入式系統韌體開發 

3.配合硬體工程師進行系統端驗證與障礙排除 

4.FPGA數位電路開發 

5.MCU/ARM 嵌入式系統整合 

6.撰寫嵌入式單晶片程式 

7.設計與試驗嵌入式感測/控制系統

智慧照護機器人軟體系統、智慧醫院應用系統分析與研發

unity程式開發，AIoT裝置開發與感測資料整合

車用嵌入式系統控制器軟韌體開發與應用 

1.驅動程式軟體開發設計、CAN通訊系統配置。 

2.車輛次系統控制發展與軟體維護。 

3.控制器與整車系統整合。 

4.執行功能驗證、硬體在環(HIL)驗證。 

5.產出研究報告/期刊論文/專利。

車用馬達與電力控制器(DC/DC、DC/AC、AC/DC)嵌入式系統開發 

1.開發/模擬動力控制演算法。 

2.設計電源轉換控制策略。 

3.撰寫控制與驅動程式。 

4.執行功能測試與系統驗證。 

5.產出研究報告/專利。

CAE模擬、資料庫分析與預測模型生成 

1.執行模擬如多體動力學、有限元素(結構或熱傳) 

2.機器學習與預測模型建立 

3.數據分析策略與框架建構 

4.應用CAE模擬結果與量測數據生成預測模型 

5.產出研究報告/期刊論文

1.機器人控制演算法開發應用於運動控制、自主穩定策略、機器人路徑規劃與觸覺反饋控制。 

2.應用強化學習結合感知(視覺、觸覺)資訊融合控制演算法開發。 

3.多機器人協同作業演算法開發，包含任務分工、路徑生成與避障。

開發與優化機器人演算法，包括深度學習與辨識技術，提升機器人自主決策與環境適應能力。

1.無人機系統電子電路設計開發。 

2.無人機測試用無人機機構開發，包含機身與功能酬載模組整合設計。 

3.電路成品功能驗證及相關法規測試。

1.車輛試裝線軟體與硬體整合，包含設備通訊與資料流邏輯。 

2.組裝線數位雙生模型建立。 

3.樣車與零部件數據庫建置。 

4.樣車組裝支援。

一、機器人智能控制與整合：開發自動化機器人之AI控制演算法及中介層，並運用ROS發展機器人控制模組 

二、多模態感知整合：開發物件辨識、場景理解、事件偵測或人機互動感知等等多模態學習模型 

三、AI模型開發與部署：應用LLM、VLM、LBM等大型語言模型，發展機器人視覺、觸覺、語音辨識、行為學習與預測等應用技術，並部署模型至Edge AI裝置 

四、AI自動化機器人應用導入：設計應用導入流程、調校機器人參數與行為策略、串接工業自動化設備，以完成技術實現目標