MUSE · 2026
模块化 AMR 的软件系统：从 0 到门店运行
为多功能模块化 AMR，由 5 人机器人软件团队从头到尾全部完成：基于 Rust 与 Zenoh 的分层架构，新 Unit 通过配置即可接入，支持一键升级与自动回滚。
- 5 人
- 完成全部开发
陈林峰
Chief Engineer, Robotics · MUSE Inc. · 日本东京
我正在为真实门店里工作的机器人赋予灵魂，每周让它们更可靠一点。
在 MUSE 的成果
- 门店机器人人工干预率
- −90%
- 新店铺部署时间
- −89%
- 机器人系统更新时间
- −92%
关于
我在 MUSE Inc. 担任 Chief Engineer, Robotics，负责从零打造的新一代门店机器人的整体架构。这是一款多功能模块化 AMR，通过更换不同的 Unit 承担不同的工作，系统已在门店日常运行。此前，我多年致力于把 AI 落到小型、低功耗设备上。
学生时代我参加过很多机器人比赛，也拿过不少奖，但那些机器人最终都只能停在实验室里。我想做能走出实验室、每天真正被用起来的机器人，这也是我现在在做的事。
这段经历让我习惯从全局思考：从算法和硬件，到支撑它们的团队与体系。我看重简单、可靠、可度量的工程，因为只有让人信得过，机器人才有价值。我也是 AI 优先的工程师：编码 Agent 是我日常团队的一员，我负责搭好让它们产出可靠的规格与检查。
我最喜欢待在机器人、嵌入式系统和 AI 的交汇处，在能直接面对真实用户、快速得到反馈的团队里做事。如果你也在做机器人软件、运动控制，或者在探索工程师和 AI Agent 如何一起做产品，很乐意和你聊聊。
项目
MUSE · 2023—
牵引货车的机器人运动控制
让牵引货车的圆形机器人在直道和弯道都跑得稳的 MPC 路径跟踪，用实机日志在仿真中回放调参。
- −54%
- 横向跟踪误差（RMS）
- −63%
- 过弯超调
MUSE · 2026
货车自动挂接与脱离
后置相机识别标记板，机器人自主倒车对接货车并拉走；到达后也能自动脱离。
MUSE · 2026
AI 预测安全可通行路径
融合激光雷达与相机数据，由 AI 预测安全可通行路径，在机器人搭载的 NPU 上推理。
Renesas · 2022—2026
微控制器上的端侧 AI
测试、性能分析与基准工具，揭示 AI 模型在资源受限 MCU 上的实际表现。
QuantumCore · 2020—2022
小型设备的传感器算法
面向低配硬件的雷达、红外、音频轻量信号处理与机器学习算法。
经历
- 2023.05 — 至今
Chief Engineer, Robotics
MUSE Inc. · 东京
2026 — 至今 新一代机器人系统技术负责人
- 带领 15+ 名软件工程师；其中直接带领的 5 人机器人软件团队完成了整个机器人系统。
- 从 0 设计并实现全新机器人系统：硬件抽象、控制、感知、决策到云端运维。
- 以平台化思路设计系统架构，原生支持模块化 Unit，让同一台 AMR 能持续拓展新的模块与功能。
- 搭建 Gazebo 与 Isaac Sim 端到端仿真，实现货车自动挂接与脱离、路由规划。
2023 — 2025 运动控制与避障（瑞萨在职期间，经公司同意的副业）
- 运动规划（SLP、DWA、Hybrid A*）与控制（MPC、级联 PID、电机力矩控制），实机调参。
- 障碍物避让、软急停与机器人 REST/gRPC 服务。
- 2022.09 — 2026.03
Staff Application Engineer
瑞萨电子（Renesas Electronics） · 东京
- 开发 AI 推理引擎的测试与性能分析框架，在多款微控制器上做模型基准测试。
- 参与 RAI 框架开发，优化端侧 AI 加速代码，为瑞萨 MCU 开发 AI 应用。
- 2020.04 — 2022.08
嵌入式 AI 软件工程师
株式会社 QuantumCore · 东京
- 为低配嵌入式设备开发高速、轻量的算法。
- 研究雷达、红外 LED、麦克风等传感器算法，制作原型与工具。
我对团队的贡献
- 新系统 Rust 代码，5 人机器人软件团队 9 个月从零写成
- 0 → 35 万行
- 每次发布必须通过的自动化测试
- 8,000+
- 向客户正式发布的周期（经过数个 Beta）
- −83%
我的个人贡献
- 新系统代码由我亲自编写
- 44%
- 新系统代码由我编写或 review
- 58%
- 2026 年提交次数
- 1,247
- 参与的代码仓库
- 23
2026 年提交记录
工作方式与特质
- 01
主人翁意识
经公司同意以副业身份负责运动控制与避障，凭成果被委以新一代系统的整体负责，并转为全职。
- 02
用数据说话
先找根因、建模，用实机数据在仿真中复现，再动代码。给团队定一个共同推动的数字，门店机器人上就是人工干预率。持有日本统计检定准 1 级。
- 03
一条主线，全栈深入
从信号处理、嵌入式 AI，到机器人控制与系统架构，始终围绕一条主线：让算法在真实硬件上跑起来。每一步都建立在上一步之上，并且都做出了产品。
- 04
与 AI 协作
编码 Agent 是我日常团队的一员。我负责写好规格、测试和规范，让它们的产出可靠，并亲自审查交付的代码。
- 05
让团队更快
统一的接口规范、一条命令的开发环境和 CI，再用规格书和架构决策记录留住设计理由，让每个人都能并行开发。
- 06
下到现场
每周和工程师一起去一次门店现场。陪在机器人身边，能看到仪表盘上看不到的问题。
技能
控制与规划
- MPC · LQR · PID
- SLP · DWA · Hybrid A*
- 电机力矩控制
感知
- BEVFusion · LiDAR
- ArUco · OpenCV
- ONNX Runtime · NPU
系统
- Rust · C++ · Python · TypeScript
- ROS 2 · Zenoh
- Gazebo · Isaac Sim · Foxglove
- Podman · GitHub Actions · AWS
AI 协作开发
- Claude Code · 编码 Agent
- 与 AI 协作的规格与测试驱动开发
- AI 辅助代码审查与文档
语言与证书
- 中文
- 母语
- 日语
- JLPT N1
- 英语
- TOEIC 805
- 统计
- 日本统计检定准 1 级
教育
- 2018 — 2020东北大学（日本）
硕士 · 人机交互 - 2013 — 2017吉林大学
工学学士 · 计算机工程
联系
欢迎从事机器人、自主导航与嵌入式 AI 的朋友联系交流。
clinfeng.jlu@gmail.com