强化学习算法

岗位职责
1、主导协作机械臂运动控制算法全流程开发，涵盖运动学正逆解优化（解析解 / 数值解结合）、动力学建模（拉格朗日法 + 惯性参数辨识）、轨迹规划（时间 - 能量优化多项式插值 / 动态避障算法）；
2、调试多模态遥操作架构，集成 ROS/ROS2 通信框架与实时数据采集模块，满足机械臂在远程操作场景下的厘米级位置同步精度与低控制延时需求；
3、协同完成机械臂 - 工具端 - 传感单元的硬件集成，负责多设备标定（手眼标定 / 工具坐标系校准）及系统级性能优化（振动抑制 / 轨迹平滑）；
4、参与工业级强化学习算法研发，针对非结构化环境操作设计状态空间建模（关节空间 + 任务空间融合）、奖励函数优化（力控误差 + 能耗加权）方案，利用 Isaac Sim/PyBullet/Gazebo 等仿真平台完成算法训练，推动 Sim2Real 迁移落地；
任职要求
1、机械工程、自动化、机器人学等相关专业本科及以上学历，硕士 / 博士在运动控制、机器人学方向有深入研究者优先；
2、完整主导过机械臂控制项目落地，涵盖算法设计、仿真验证、硬件部署全流程，具备处理奇异点规避、关节力矩饱和等工程问题的成熟方案；
3、扎实掌握 PID 控制（增量式 / 抗饱和设计）、阻抗控制（力位混合控制参数整定）、自适应控制等经典方法，具备机械臂动力学参数辨识（最小二乘法 / 递归最小二乘法）实战经验；
4、避障算法 ：具备路径规划算法（RRT 等）、碰撞检测算法（离散碰撞检测等）工程化经验；
5、掌握 PPO/SAC 等强化学习算法在机器人中的应用，熟悉仿真环境定制（动作空间离散化 / 奖励函数工程化设计）、样本高效训练（experience replay / 模仿学习初始化）及 Sim2Real 迁移技术（域随机化 / 对抗网络校准）；
6、了解 GAN/VAE/3DGS 等生成模型在机器人感知中的应用，如虚拟场景点云生成、光照变化鲁棒性训练；熟悉域适应技术（如 CycleGAN 风格迁移）在视觉定位算法跨环境部署中的实践；
7、对 Pick-and-Place、TCP 动态补偿、精密装配（孔轴对齐）等工业任务流程有深入理解，能结合工艺约束（如速度 - 加速度限制、工具负载特性）优化轨迹规划策略。