职位详情

1核心算法研发围绕机器人运动控制与操作，设计并构建机器人大规模并行仿真环境；设计并实现基于强化学习的足式机器人运动控制策略，涵盖步态规划（行走奔跑爬坡越障）全身协调控制（WBC）平衡控制及动态抗干扰算法，解决复杂非结构化环境下的运动稳定性问题；
2强化学习体系构建负责离线/在线强化学习算法（PPOSACDDPG等）的选型训练与优化，设计合理的奖励函数课程学习方案及域随机化策略，提升模型泛化能力与训练效率，并部署强化学习算法进行大规模并行训练；
3仿真与实机闭环基于MuJoCoIsaac Sim/Pybullet等仿真平台搭建高保真物理仿真环境，完成算法离线验证；主导Sim2Real迁移落地，解决仿真与实机差异（机械间隙传感器噪声），实现算法在实体机器人上的部署与迭代；
4工程化落地基于ROS/ROS2架构与Linux实时系统，用C++/Python完成算法代码开发移植与优化，确保实时调度周期1ms，满足足式机器人动态运动的实时性要求；
5跨团队协同与机械硬件感知导航嵌入式开发团队紧密协作，对接传感器数据（IMU编码器）与硬件约束，解决关节限位力矩超限等系统级适配问题；联合调试感知-决策-控制全链路闭环；
6技术前沿追踪关注ICRAIROSRSS等顶会顶刊，追踪强化学习具身智能在足式机器人领域的前沿进展，将新技术新方法融入产品研发，持续提升机器人运动性能与环境适应性。
1硕士及以上学历，控制科学与工程机器人学自动化计算机科学人工智能机械电子工程等相关专业；
2具备机器人控制相关的强化学习项目经验，熟悉主流强化学习算法如PPOSACDDPG等；
3具有扎实的深度学习强化学习机器人运动学与动力学自动控制原理等相关领域知识基础；
4具备良好的计算机编程能力（Python或C++语言），熟悉Linux/ROS操作系统，代码规范良好；
5熟悉IsaacGym/SimGazeboMuJoCo等主流仿真环境或框架者优先；
6在RSSCoRLICRAIROS机器人会议上或ICMLNeurIPSICLR等人工智能会议有发表记录者优先；
7熟悉C++，ROS，有真机系统上优化部署和开源项目贡献者可加分。