岗位职责:
1、负责双足机器人运动控制与步态算法的设计、开发和优化。
2、负责人形机器人双手操作与全身运动(locomotion)的智能控制策略开发,针对复杂场景(如重物搬运、精准拆码垛、行走、爬楼梯、障碍物跨越等)实现操作与运动的全身协调。
3、基于深度强化学习、模仿学习等方法优化运动策略,提升机器人在动态环境中的自适应能力与运动效率。
4、负责算法从仿真到实机的迁移部署,开发在线动力学参数辨识与自适应校准方案,解决 sim2real gap 问题,保障真机运行的实时性与稳定性。
5、建立算法鲁棒性评估机制,通过扰动测试验证运动策略在真实场景中的可靠性。
6、跟踪运动控制领域前沿技术,持续进行算法创新与性能优化。
任职资格、工作经历及其他资格条件:
1. 精通机器人运动学、多刚体动力学建模与求解,有1 年及以上人形机器人/机械臂具身项目开发经验,曾主导步态规划、运动策略优化等核心模块开发者优先。
2. 精通 PyTorch/Jax 等深度学习框架,熟练掌握至少一种主流强化学习算法(PPO、SAC、DQN, GRPO, RLPD),并有完整的落地实践经历。
3. 主导或参与过操作类算法任务设计开发项目,如码垛搬运,异形件抓取,装配等操作类算法项目,具备接触密集型任务调优强化学习算法的经验。
4. 掌握 Isaac Sim、MuJoCo 等至少一种仿真工具,能针对操作类任务构建强化学习仿真场景,有仿真效果优化能力,有完整的 sim2real 项目落地经验,能够解决仿真环境与现实中摩擦力、接触刚度、传感器噪声不一致导致的 sim2real 问题。
5. 熟知 Diffusion,flow matching 算法原理,实践优化过 PI 系列,GR00T,OpenVLA 等 VLA 模型,对于 VLA 的微调训练原理有较深刻认知。
## 加分项:
1. 熟悉 Motion Tracking 类经典算法(AMP, beyondmimic 等),掌握 GMR,PHC 等至少一种动作重映射算法,有真机部署实践经验者优先
2. 熟悉 RLinf,EVO-RL 等 VLA 强化学习项目,对 Recap,DDPO,FPO 等扩散算法做强化学习后训练者优先。