强化学习工程师

1.四足、人型机器人强化学习算法研发，聚焦步态生成、动态平衡控制、复杂地形适配（斜坡、台阶、松软地面等）、敏捷动作（跳跃、俯冲、侧移）等核心场景，设计贴合四足机器人动力学特性的算法解决方案，突破运动稳定性与鲁棒性瓶颈。
2.深度强化学习算法的模型设计、代码实现、仿真调试，熟练运用PPO、SAC、DDPG、TD3等主流算法，结合模仿学习、多任务学习等前沿技术优化策略，提升算法训练效率与泛化能力。
3.搭建并优化四足机器人仿真训练环境，基于NVIDIA Isaac Sim、MuJoCo、Gazebo、PyBullet等平台完成场景建模与物理引擎配置，实现Sim2Real迁移向真实机器人的落地。
4.负责强化学习模型的真机部署、性能调优与问题排查，适配嵌入式平台（如NVIDIA Jetson系列），优化算法实时性与资源占用，保障算法在实际场景中的稳定运行。
跟踪强化学习与具身智能领域前沿进展，探索大模型（如OpenVLA）与强化学习结合的应用场景，推动算法创新与技术迭代，沉淀技术方案与专利。

1.本科及以上学历，计算机、自动化、机器人学、人工智能、控制工程、数学等相关专业，硕士及以上学历优先，优秀本科生需具备丰富的四足机器人+强化学习项目经验。
2.1年以上四足机器人强化学习相关研发经验，博士学历可放宽经验要求；有完整的算法从仿真到真机落地项目经历者优先，熟悉多自由度欠驱动机器人动力学特性者加分。
3.具备扎实的数学基础（概率论、线性代数、优化理论），深入理解learning-based control领域前沿进展，能解决算法研发与工程化落地中的技术问题。
4.熟练掌握Python、C++编程语言，具备良好的代码规范；精通PyTorch、TensorFlow等主流深度学习框架，熟悉ROS机器人操作系统及机器人软件开发流程。
5.深入理解主流深度强化学习算法原理与实现细节，能根据四足机器人任务场景设计、改进算法及奖励函数，有分层强化学习、多智能体协同强化学习经验者加分。
6.熟练使用至少一种机器人仿真平台，能独立搭建四足机器人仿真训练环境；具备强化学习模型轻量化、推理加速及真机部署经验，熟悉CAN、EtherCAT等底层接口者优先。
7.参与四足机器人强化学习相关项目，有Mini Cheetah、ANYmal等主流四足机器人硬件调试及算法部署经验者优先。