锦鲤求职岗位描述
岗位职责
【灵美智能数核(北京)科技有限公司】是由多点(深圳)数字科技有限公司与灵心巧手(北)京)科技股份有限公司共同设立的合资公司。
新公司将聚焦AI与具身智能的整合应用研发，打造全球商超具身数据资产库，定义零售具身智能标准。多点具身智能业务明确定位为"AI零售的手和脚"。AI零售智能本是零售经营的大脑，具身智能则是将决策转化为实体动作的执行终端，两者协同完成从"看见"到"执行"的经营闭环。
【职位描述】
-设计离线RL、在线RL、模仿学习后训练和策略改进方案。
-建设奖励函数、偏好反馈、自动课程、难例重采样和安全约束机制。
与VLA团队共建策略版本,与世界模型和仿真团队开展低成本策略评估。
-将现场失败转化为训练信号,提升成功率、恢复率、稳定性利样本效率。
岗位要求
-硕士及以上,强化学习、机器人学习、控制或机器学习方向。
-扎实掌握策略梯度、Actor-Critic、PPO/SAC、离线RL和策略评估方法。
-熟练PyTorch,具备奖励设计、实验复现和真实系统问题分析能力。
-有机器人操作、自动驾驶决策或复杂控制策略经验。
优先考虑
-有model-based RL、sim-to-real、安全RL或真实机器人策略闭环经验。
-有将线上失败转化为策略改进并取得量化收益的经历。