VLA强化学习算法工程师-27届秋招

强化学习算法研发：开展机器人场景强化学习核心算法优化，跟进前沿技术，解决决策控制核心痛点；

模型训练与性能优化：搭建机器人离线RL/在线RL 模型训练体系，完成分布式训练迭代，优化模型泛化性、鲁棒性与推理效率；

训练数据体系建设：对接数据工程师完成 RL 数据采集、清洗全流程管控，持续提升数据质量，实现模型效果迭代优化；

算法工程化部署：完成算法工程化封装与真机迁移，对接机器人底层系统，实现真机部署联调；

技术文档撰写：撰写维护全流程技术文档，参与核心专利申报，沉淀技术知识库，规范技术资产管理。

硕士及以上学历，计算机科学与技术、自动化、控制工程等相关专业，有机器人相关研发经验，了解VLA和世界模型等操作模型，有真机落地项目经验者优先；

深入理解主流强化学习算法(PPO、GRPO、SAC、BCQ等)原理与实现，有独立的算法研发与优化经验；

熟练掌握至少一种主流机器人仿真平台（NVIDIA Isaac Sim/Isaac Lab、MuJoCo等），有大规模分布式仿真 RL 训练经验者优先；

在 ICML、NeurIPS、ICLR、ICRA、IROS、RSS 等机器学习或机器人领域顶会顶刊以第一作者发表过相关论文，或有相关核心专利者优先。