机器人仿真与强化学习算法工程师

职位要求：

1. 负责机器人仿真数据生成与训练闭环系统的研发，覆盖任务定义、轨迹生成、仿真验证、策略训练、数据评估与筛选等核心环节。

2. 基于 MuJoCo、Isaac 等仿真平台构建高保真机器人仿真环境，完成机器人模型、传感器及场景资产的建模与调试。

3. 面向人形机器人、机械臂及灵巧手等平台，研发抓取、放置、操作等任务的数据合成与自动化评测能力，支持大规模仿真生成和验证。

4. 设计并优化基于强化学习、模仿学习的运动控制与轨迹跟踪策略，提升机器人在复杂任务中的运动稳定性、任务成功率和泛化能力。

5. 结合机器人控制与优化方法，如 IK、WBC、MPC、轨迹优化、PD/阻抗控制等，提升学习策略的可控性、鲁棒性和约束满足能力。

6. 参与 Diffusion、Flow Matching 等生成式模型在机器人动作生成、轨迹规划和任务数据合成中的应用研发。

7. 建立仿真测试、数据质量评估和自动化实验体系，持续优化训练效率、数据质量和算法迭代闭环。

8. 与感知、控制、硬件及应用团队协作，推进仿真训练结果在真实机器人系统中的验证与落地，支持 Sim2Real 和机器人数据闭环能力建设。

任职要求：

1. 计算机、自动化、机器人、机械电子、应用数学等相关专业硕士或博士学历。

2. 熟悉 MuJoCo、Isaac Sim、Isaac Lab 等至少一种机器人仿真平台，具备机器人建模、仿真调试和任务环境搭建经验。

3. 具备扎实的机器人学基础，理解运动学、动力学、多自由度系统控制等基础概念。

4. 熟悉至少一种机器人控制或优化方法，包括但不限于 IK、WBC、MPC、轨迹优化、PD/阻抗控制等。

5. 具备强化学习相关项目经验，熟悉 PPO 等主流算法。

6. 具备机器人运动控制或操作任务开发经验，有人形机器人、四足机器人、机械臂、灵巧手等平台经验者优先。

7. 熟练使用 Python 和 PyTorch，具备良好的算法实现、工程开发和代码维护能力。

8. 具备良好的英文文献阅读、算法复现和问题分析能力，能够跟踪机器人学习、强化学习、生成式模型等方向的前沿进展。

加分项：

1. 在机器人、强化学习、机器学习、计算机视觉等相关领域发表过高水平论文者优先，包括但不限于 ICRA、IROS、RSS、CoRL、NeurIPS、ICML、ICLR、CVPR、RA-L、T-RO 等。

2. 具备 Diffusion Policy、Flow Matching、Trajectory Generation 或机器人动作生成相关经验。

3. 具备 Sim2Real 项目经验。

4. 具备视觉感知、RGB-D、相机仿真、多模态学习或机器人基础模型相关经验。

5. 具备灵巧操作、抓取数据生成、复杂物体建模或大规模机器人数据构建经验。

6. 有高质量开源项目、机器人竞赛、真实机器人系统开发或复杂工程项目落地经验者优先。