运动控制算法工程师

全身运动控制架构与核心算法研发 负责人形机器人全身运动控制架构设计与核心算法研发，构建具备全身协同、动态平衡、接触感知、负载自适应和在线异常恢复能力的运动策略体系。

运动重定向与轨迹映射 研发运动重定向方法，实现上层任务指令到全身关节轨迹的精准映射，并保证运动平滑性与物理可行性。

策略训练与仿真迁移 参与全身运动策略的训练、评测与系统辨识工作，推动仿真策略向真实机器人平台的平滑迁移与部署。

实机联合调优 与硬件、执行器、传感器及嵌入式团队紧密协作，针对实机运动表现进行联合调优，解决力位混合控制、延迟补偿、柔顺性等工程问题。

通用运动技能生成 研究通用运动技能生成方法，使机器人能根据高层任务目标（如抓取、行走、弯腰）自主生成连续、稳定、可执行的全身动作序列。

学历与经验 本科及以上学历，机器人、自动化、控制、机械、计算机、人工智能、数学等相关专业，硕士或博士优先。 有具身智能、人形机器人、双足/四足机器人或高自由度复杂机器人系统相关项目/课题/比赛/实习经验，熟悉全身运动控制的基本框架。

产品与技能要求 熟悉PPO、AMP、Motion Imitation、Residual RL等策略方法中的至少一种，并具备实际应用经验（课程项目/科研课题/竞赛均可）。 掌握运动控制、运动重定向、运动跟踪、全身动力学等基础理论，熟悉常见控制律（如MPC、WBC、ZMP控制）或基于学习的控制方法。 熟练使用Isaac Sim / Isaac Lab、MuJoCo、Genesis、RaiSim等仿真/训练平台中的至少一种，具备仿真到实机的迁移经验或相关项目经历。 精通Python和C++，熟悉Linux及ROS/ROS2开发环境，具备良好的算法工程化能力和实机调试能力。 掌握PyTorch等深度学习框架，熟悉强化学习/模仿学习训练流程。 具备良好的英文文献阅读能力，能快速跟进领域最新论文并复现算法。

软性能力要求 具备较强的逻辑分析和独立解决问题能力，能够独立承担模块开发任务。 学习能力强，有自驱力，对机器人运动控制、强化学习等前沿技术保持关注与热情。 良好的团队合作与沟通表达能力，能与硬件、算法等跨职能团队高效协作。 良好的文档撰写习惯，注重技术积累与知识分享。 能够适应快速迭代、多任务并行的工作节奏，抗压能力强。

算法研究与应用 有学习型全身控制、通用运动策略、运动基础模型或行为策略学习等前沿方向研发经验。 有基于Diffusion Policy、Transformer Policy、Skill Policy等架构的行为生成方法研究或实践经验。 有生成式模型（如Flow-matching、扩散策略）以及在线引导样本生成、动态调节等方法研究或实践经验。 有运动基础模型、多模态动作grounding、语言条件策略等前沿方向研发经历。

实机部署经验 有高动态运动（如奔跑、跳跃、后空翻）、接触丰富交互（如攀爬、搬运）或大尺度/重载物体操作的真实机器人部署经验。 有在线步态调节、接触力优化、足底滑移处理等工程实践经历。

学术与竞赛 有机器人、强化学习、具身智能方向顶会论文（如CoRL、ICRA、IROS、NeurIPS等）发表经历。 有知名开源项目贡献、机器人相关竞赛获奖或机器人产品落地经历。