运控算法研究员/工程师

负责机器人阻抗控制、导纳控制、力/位混合控制等力控算法的设计、开发与优化，提升机器人的柔顺性、稳定性与控制精度。

负责基于 Learning 的力控算法研究与开发，探索强化学习、模仿学习等方法在柔顺操作及复杂力交互任务中的应用，并推动算法在真实机器人平台落地。

负责机器人 Whole-Body Control（WBC）算法开发，包括基于 QP、MPC、Trajectory Optimization 等优化方法，以及基于 Learning 的 WBC 方法，实现底盘、躯干、双臂及全身多自由度系统的协调控制。

负责机器人底层运动控制及控制性能优化，包括关节空间/笛卡尔空间控制、轨迹跟踪、前馈补偿、约束处理等，持续提升系统的实时性、鲁棒性与控制性能。

负责机器人运动控制算法从仿真到真机的完整开发流程，包括仿真建模、算法验证、Sim2Real、真机部署、参数调优、性能评测及问题定位。

跟踪机器人运动控制、力控、Learning-based Control、Whole-Body Manipulation 等方向的前沿研究，完成关键算法预研、复现与技术验证，并推动研究成果工程化落地

硕士及以上学历，机器人、自动化、控制科学与工程、机械电子、计算机、人工智能等相关专业，具备扎实的机器人学与控制理论基础。

熟悉机器人运动学、动力学及控制方法，具备阻抗控制、导纳控制、力/位混合控制等相关算法开发经验。

熟悉 Whole-Body Control 相关方法，具备 QP、MPC、Trajectory Optimization、约束优化等算法设计与实现经验。

熟悉强化学习、模仿学习或其他 Learning-based Control 方法，具备机器人运动控制、力控或全身控制相关学习算法项目经验。

熟练使用 C++、Python，熟悉 Eigen、Pinocchio、Drake、MuJoCo、Isaac Sim / Isaac Lab 等机器人开发或仿真工具中的一种或多种，具备较强的工程实现能力。

具备良好的算法分析、系统调试和真机问题定位能力，能够独立完成从算法设计、仿真验证到机器人部署的完整研发闭环。 加分项 有轮式双臂、人形机器人、机械臂或其他高自由度机器人平台的 WBC、力控或全身操作算法开发与真机落地经验。 有 Learning-based Force Control、Learning-based WBC、Whole-Body Manipulation、Loco-Manipulation、Contact-rich Manipulation 等方向的研究或项目经验。 在机器人、控制或机器学习相关顶会/期刊发表过论文，或参与过高质量机器人开源项目、量产机器人控制系统开发