狮子山实验室-强化学习算法工程师(J33707)

负责具身智能（Embodied AI）与运动控制领域的算法研究，探索强化学习（RL）、模仿学习（IL）和Transformer、Diffusion Policy、World Models等新型架构等在机器人运动控制的创新应用。

针对高动态运动控制，研究Sim-to-Real（虚实迁移）的核心理论难题，探索端到端（End-to-End）多模态融合的运动控制策略，提升机器人的环境适应能力。

计算机科学、机器学习、应用数学等相关专业硕士及以上学历（博士优先）；具备扎实的概率论、凸优化与矩阵论基础。

精通深度强化学习（DRL）底层原理（如PPO, SAC, TD3），对Offline RL, Meta-Learning, Imitation Learning有深入研究。

具备极强的代码实现能力（Python/C++），熟练掌握PyTorch框架；有分布式训练、高性能计算（HPC）或大规模仿真环境开发经验者优先。

熟悉机器人学习领域最新进展，如RMA, Dreamer, Diffusion-based Control等；了解大模型（LLM/VLM）在具身智能中的应用。 加分项：有人工智能/机器人方向顶会顶刊论文的候选人优先（如RSS、ICRA、IROS、CoRL、RAL等）