在[学校名称]自动化专业硕士学习期间，系统学习了控制理论、算法设计等核心课程，GPA [具体数值]。参与了导师的[相关研究项目]，负责算法部分的设计与实现，锻炼了扎实的理论基础和科研能力。

• 负责自动驾驶车辆的路径规划算法研发，优化了 A*算法，将路径规划时间从平均 50ms 降低至 30ms，提升了 40%的规划效率，应用于公司[具体车型]的自动驾驶系统，已量产[X]万辆车。
• 主导开发了基于模型预测控制（MPC）的车辆横向控制算法，使车辆在高速变道时的横向偏差控制在±0.1m 以内，通过了[具体测试标准]的严格测试，为公司节省了[X]万元的测试优化成本。
• 与团队协作，完成了自动驾驶系统的算法集成与测试工作，参与制定了[相关算法标准]，推动了项目按时交付，获得部门“优秀项目团队”称号。

• 承担物流机器人的运动规划算法开发任务，设计了基于强化学习的动态避障算法，使机器人在复杂仓库环境中的避障成功率从 85%提升至 95%，每年为公司减少[X]万元的货物碰撞损失。
• 优化了机器人的路径跟踪控制算法，采用滑模控制策略，将路径跟踪误差降低至±0.05m，提高了机器人的运行精度和稳定性，助力公司物流机器人市场占有率提升[X]%。
• 参与搭建了算法测试平台，制定了[详细测试流程]，提高了算法测试效率 30%，保障了产品快速迭代上线。

• 项目名称：[智能工厂 AGV 路径规划与控制优化]。
• 担任角色：算法负责人。
• 项目描述：针对智能工厂 AGV 调度效率低、路径冲突多的问题，设计了基于蚁群算法改进的全局路径规划算法，结合实时传感器数据，实现了 AGV 的动态路径调整。开发了基于 PID 控制的速度与位置闭环控制算法，使 AGV 的定位精度达到±0.03m，运行效率提高了 25%。项目实施后，工厂 AGV 系统的故障停机时间减少了 40%，每年为工厂节省运营成本[X]万元。

• 项目名称：[城市配送无人车规划控制算法研发]。
• 担任角色：核心算法工程师。
• 项目描述：参与城市配送无人车的规划控制算法研发，负责路径规划模块。提出了基于分层规划的方法，上层采用 RRT*算法进行全局路径搜索，下层利用三次样条插值生成平滑轨迹。优化了避障算法，引入了动态窗口法（DWA），使无人车在复杂城市道路环境中的避障成功率达到 98%。与团队协作完成了算法在无人车硬件平台上的部署与调试，通过了[X]公里的实际道路测试，为无人车的商业化运营奠定了基础。