岗位职责
负责下一代机器人通用运动控制器的研发与工程落地，具体包括： ● 研发支持多模态指令的通用运动控制算法，实现对任意自然动作指令的高保真执行； ● 设计并实现面向复杂地形与动态环境的自适应运动策略，显著提升机器人的稳定性、鲁棒性与环境适应能力； ● 搭建高保真仿真环境，开展强化学习算法的大规模训练与验证，通过实验分析持续迭代优化控制策略； ● 与上游动作预测与意图理解算法紧密协作，构建支持自主交互的运动控制能力。
职位要求
● 计算机、控制理论、机器人学、机械电子或相关专业硕士及以上学历，5年以上运动控制领域研发经验； ● 系统掌握 Sim2Real 技术栈，包括域随机化、Sim2Sim 迁移、运动跟踪等关键技术； ● 精通主流深度强化学习算法（如 PPO、SAC、DDPG、MAPPO），具备在 Isaac Gym / Isaac Sim 等平台进行大规模并行训练的实战经验，熟悉策略蒸馏、课程学习等进阶方法； ● 熟练设计任务解耦式多目标奖励函数，能有效融合运动学约束、动力学可行性、动作跟踪保真度等维度； ● 具备扎实的工程实现能力，熟练掌握 C++/Python 编程，熟悉 ROS/ROS2 机器人操作系统，并有实体机器人部署与调试经验； ● 具备优秀的逻辑思维、快速学习能力、沟通表达能力及团队协作精神； ● 加分项：在 ICRA、IROS、NeurIPS 等国际顶级会议发表过运动控制、强化学习或具身智能相关论文者优先。
