机器人RL+VLA算法工程师

【岗位职责】
1. VLA与RL融合算法研发：
* 主导或参与VLA模型（如OpenVLA, pi0.5）在真实工业场景中的微调与优化，重点提升模型在接触式任务（如插拔、装配）中的成功率和鲁棒性。
* 探索并实现VLA+RL的联合训练框架，例如将VLA模型的输出作为RL策略的观测或动作先验，利用RL修正VLA在精细操作中的误差，解决“泛化性强但精度不足”的问题。
2. 真机强化学习落地：
* 负责在智元G2、远征A2-W等机器人本体上进行真机强化学习（HIL-RL）的算法开发与部署调试。
* 针对工厂光照变化、物料位姿偏差等工况干扰，应用并优化安努自研的RoHIL框架，实现“一处训练、多处部署”。
3. 仿真到真机迁移（Sim2Real）：
* 利用安努自研的工布物理求解器及深度集成的Isaac Sim仿真平台，搭建高保真训练环境。
* 攻克域适应、动力学建模校准等关键技术，确保仿真训练的RL策略能高效、稳定地迁移到真实机器人上。
4. 数据闭环构建：
* 参与设计并优化数据采集-训练-部署-反馈的迭代闭环，利用真实产线数据持续提升模型性能。
【任职要求】
1. 学历背景：硕士及以上学历，人工智能、机器人学、计算机科学、自动化、控制工程等相关专业。
2. 核心经验：
* 必备：具备真实机器人（非纯仿真） 的强化学习或模仿学习开发经验，熟悉从算法设计到真机部署的完整流程。
* 优先：有VLA模型微调或部署经验者优先；有工业机械臂/人形机器人真机项目经验者优先。
3. 算法能力：
* 精通：强化学习核心原理，精通PPO、SAC、TD3等主流算法，能独立设计奖励函数。
* 熟悉：模仿学习算法（如ACT, Diffusion Policy）及VLA相关技术框架。
* 了解：世界模型（WAM）的基本概念。
4. 工具技能：
* 必备：精通 PyTorch 深度学习框架；精通 ROS（ROS2优先） ，能独立完成节点开发、通信与调试。
* 优先：熟练使用 Isaac Sim、MuJoCo等仿真平台。
* 基础：扎实的Python/C++编程能力，熟悉Linux开发环境。
5. 综合素质：具备出色的问题分析与解决能力，有强烈的结果导向意识，能适应出差。
【加分项】
* 有在顶级机器人/人工智能会议（如CoRL, ICRA, IROS, NeurIPS）发表过相关论文者。
* 熟悉RLT等VLA高效微调框架者。
* 有半导体封测、汽车零部件制造等工业场景部署经验者。