1.、算法研发与实现：研发基于深度强化学习的人型机器人运动控制算法，设计和优化双足步态生成、全身协调控制等核心算法，实现从仿真到真实硬件的算法迁移（Sim-to-Real）

2.、系统集成与优化：将深度学习模型部署到机器人嵌入式系统，优化推理性能，确保实时控制要求，集成感知、决策、控制的端到端系统

3.、仿真与实验：在MuJoCo、IsaacLab等仿真平台构建训练环境，设计奖励函数和课程学习策略，进行真机实验验证，迭代优化算法

4、技术创新：跟踪深度强化学习和机器人领域最新进展，探索新的算法架构和训练方法，参与技术方案设计和评审


职位要求：

1、本科及以上学历，计算机科学、机器人学、自动化或相关专业，2年以上深度学习或机器人相关工作经验，扎实的数学基础（线性代数、概率论、优化理论）；

2、熟悉ROS/ROS2系统，熟练使用C++开发语言，了解机器人运动学、动力学基础，有传感器数据处理经验
3、精通Python，熟练使用PyTorch或TensorFlow，熟悉C++，能进行嵌入式部署，了解CUDA编程和模型优化
4、熟练使用至少一种物理仿真引擎（MuJoCo、IsaacLab、PyBullet），能够搭建自定义仿真环境和任务
5、熟悉PPO、SAC、TD3等主流强化学习算法，有实际项目中应用深度强化学习的经验，理解价值函数、策略梯度等核心概念，能够独立完成算法设计、实现、调试全流程，能够权衡算法性能与工程实现
加分项：有人型机器人或四足机器人项目经验，在顶级会议（ICRA、IROS、NeurIPS、ICML）发表过相关论文，参与过开源机器人项目，有模仿学习、元强化学习等前沿技术经验，熟悉模型压缩和边缘部署技术，有真实硬件调试和系统集成经验