算法工程师（强化学习）

岗位职责：
1.仿真环境构建： 基于 Isaac Lab (Isaac Sim) 或 Mujoco 构建高保真物理仿真环境，针对银行票据处理、异形按键操作等场景进行高精度资产建模与动力学参数调优。
2.复杂接触策略生成： 利用 PPO/SAC 等强化学习算法，生成叠加于底层控制之上的力矩或位姿补偿量，攻克摩擦突变、柔性形变等传统动力学难以建模的非线性难题。
3.Sim-to-Real 迁移： 设计并实施 Domain Randomization（域随机化）策略，消除仿真与真机间的传感噪声与执行滞后，确保算法能从仿真环境平滑迁移到实体机器人。
4.前沿算法复现： 跟踪 ICRA/IROS/CoRL 等顶级会议的最新成果，将 Transformer、Diffusion Policy 等前沿架构应用于机器人操作任务中。
任职要求：
1.计算机、自动化、人工智能等相关专业硕士及以上学历。
2.精通 Python 编程，熟练掌握 PyTorch 或 TensorFlow 深度学习框架。
3.具备 Isaac Sim / Isaac Lab 或 Mujoco 的使用经验，能够独立搭建复杂的机器人交互场景。
4.深入理解强化学习原理，有基于 RL 的机器人 Manipulation（灵巧操作）或 Locomotion（运动控制）项目落地经验。
5.具备优秀的英文论文阅读与复现能力，熟悉刚体动力学原理，理解接触物理特性（摩擦、碰撞、软接触）。