锦鲤求职岗位描述
工作内容
一、岗位背景
运动控制已经开始从盲眼运动到与真实世界感知交互的方向发展，需要解决的是更难的问题：在移动中保持平衡，在接触中完成操作，在长程任务里把全身自由度当成一个统一系统来用。
我们正在构建面向人形与移动操作本体的下一代 loco-manipulation 系统，打通从全身数据采集、运动控制到上下肢协同操作的完整链路。
二、岗位职责
1、Loco-manipulation 架构设计
探索全身运动控制、强化学习 / 模仿学习、Diffusion Policy / Flow Matching、VLA/VA/WAM 在移动操作中的统一。突破「下肢跟踪 + 上肢独立抓取」的模块拼接，让模型在行走、蹲起、转身、承力与双臂操作之间共享平衡与接触约束，向统一的全身 loco-manipulation 策略演进。
2、全身运控与策略闭环
设计可训练、可部署的全身控制与操作接口：状态估计、全身 MPC / WBC / RL 策略、操作原语与末端力控、与上层任务策略的衔接。对长时程、稀疏奖励、多地形与多任务迁移给出可复现的训练与真机方案。
3、人形数据采集体系建设
构建覆盖遥操作、动作重定向、仿真增广与真机失败回放的 loco-manipulation 数据闭环：全身动作采集链路（动捕 / VR / 外骨骼 / 主从臂）、时序对齐、接触与力标注、轨迹切片与质量控制。让每一次采集都能直接服务训练、评测与回归。
4、评测与数据飞轮
深度参与仿真与真机评测：平衡稳定性、落足成功率、移动中抓取 / 放置、接触冲击、长尾扰动。在仿真闭环、遥操作数据与真机失败 case 之间建立高效反馈，用数据驱动运控与采集系统的下一轮优先级。
5、训练到部署的软硬协同
面向真实机器人完成策略蒸馏、量化、控制频率与通信调度优化，与嵌入式 / 运控团队协作，在真实时延、力矩、功耗与保护限制下兼顾灵活性与安全性，把实验室能力落成可稳定演示、可迭代量产的 loco-manipulation 能力。
任职条件
1、硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业；
2、深入理解运动控制 / 强化学习 / 模仿学习 / 操作策略中至少一类，熟悉全身 WBC / MPC、legged locomotion、manipulation policy（VLA 、WAM、ACT、Diffusion Policy等）的主流方法与开源实现；
3、精通 PyTorch，具备从算法到可训练、可上真机代码的完整落地经验，能独立完成策略改动、消融与问题定位；
4、熟悉机器人运动学 / 动力学、接触与平衡约束，具备仿真（Isaac / MuJoCo 等）到真机的调参与问题排查能力；
5、具备良好工程素养（Python / C++），代码可读、可维护、可复现；有 Linux 环境下的实时控制、日志与协作开发经验。
【加分项】
1、有 loco-manipulation、双臂协作或端到端全身策略的项目 / 准量产经验；
2、有人形机器人全身运控开发经验（WBC / MPC / RL locomotion、全身协调、真机保护与落地）；
3、有人形 / 全身数据采集链路的开发经验（遥操作、动捕重定向、外骨骼 / VR、数据对齐与质检流水线）；
4、熟悉模型压缩、蒸馏、量化及真机高频控制部署；
5、在 CV / ML / Robotics 顶会或期刊发表过论文；
6、有无人车、无人机、四足 / 双臂 / 人形机器人竞赛或开源项目经验；
7、同时具备「能做全身运控」与「能把采集闭环做成系统」的复合背景者优先。