运动控制算法工程师2027

基于强化学习开发足式机器人的运动控制策略

搭建与维护仿真到真机的完整训练与部署流程

在真机上进行策略调试、性能优化与问题排查

与团队协作，参与代码评审、实验设计及技术文档编写

学历：研究生及以上学历，计算机、机器人等相关专业优先

RL 真机经验：在足式机器人（双足/四足）上实际训练并部署过强化学习策略，熟悉系统辨识（System ID），对强化学习真机部署的关键要素有一定了解

仿真器工作流：熟悉至少一种主流仿真与 RL 训练框架，如 Isaac Lab、MJLab（MuJoCo）、Isaac Gym 等，了解典型训练流程与部署流程

理论基础：对深度强化学习和机器人学有充分理解，包括但不限于： ○ 策略梯度、Actor‑Critic、PPO、SAC 等常见 RL 算法 ○ 机器人运动学与动力学基础概念

工程能力：熟练使用软件开发与实验管理工具： ○ 版本控制：Git ○ 实验可视化与日志：TensorBoard ○ 配置管理：Hydra / Hydra‑Config 加分项

前沿论文涉猎：持续关注强化学习与机器人运动控制领域的前沿工作，对 RSS、CoRL、ICRA、NeurIPS 等顶会中的相关论文有一定了解

多刚体动力学：了解多刚体动力学相关概念

高阶控制与规划：能说出 MPC、WBC、轨迹优化、足端轨迹规划等算法的基本概念与适用场景

AI 开发工具：了解并日常使用 Cursor、Claude Code、GitHub Copilot / Codex 等 AI 辅助编程工具