【2027秋招】具身智能算法研究员

核心算法研发与端到端控制：负责机器人深度强化学习算法的研究与开发，构建覆盖感知、决策、规划与控制的端到端学习闭环系统，设计并优化机器人控制策略。

仿真到现实（Sim-to-Real）迁移部署：研发领域随机化、系统辨识、教师-学生蒸馏、对抗域适应等迁移技术，确保仿真训练策略能够高效、稳定地部署至真实机器人，实现零样本或少样本迁移。

大规模并行训练与效率优化：基于NVIDIA Isaac Lab、rl-games、Sample Factory等框架搭建大规模并行训练环境，优化训练流程，提升策略泛化能力与训练效率，推动前沿算法在真实场景中的工程落地，并参与真机部署调试，解决实物运行的稳定性与安全性问题。

计算机、人工智能、机器人、自动化、控制工程、数学等相关专业，博士应届毕业生；深入理解主流深度强化学习算法（PPO/SAC/DDPG/TD3等）及模仿学习算法（行为克隆、GAIL、扩散策略等），具备扎实的数学基础（线性代数、概率论、优化理论），能处理高维连续动作空间。

工程开发与框架应用能力：精通Python，熟练使用C++（11/14/17），具备优秀的代码工程能力；熟练使用PyTorch/TensorFlow及分布式训练框架（Ray/Horovod等），熟悉Linux开发环境，具备大型项目开发经验。

仿真平台与机器人基础经验：熟练使用Isaac Sim/Isaac Lab、MuJoCo、PyBullet、Gazebo等至少一种仿真环境，具备二次开发能力；熟悉机器人运动学与动力学基础及底层控制接口，了解ROS/ROS2通信机制；具备成功Sim-to-Real真机部署经验者优先