RL/真机后训练实习生

我们是专注于具身智能的硬科技公司。这里没有繁杂的PPT文化，只有真机、真数据、真场景。你将直接接触下一代AI与物理世界的交互边界。

职责内容：

• 参与基于SFT、BC、DAgger、离线RL（IQL/CQL）、在线RL（PPO/SAC）、偏好优化（DPO/GRPO）等方法进行策略后训练与迭代；

• 参与负责数据策略设计，包括轨迹筛选、成功/失败样本分析、正负样本构造、hard case mining、数据重加权与课程学习；

• 参与设计奖励函数与偏好对齐机制（任务完成奖励/过程奖励/安全约束/接触质量/动作平滑性/碰撞惩罚等）；

• 参与真机数据采集、策略部署与Bad Case闭环迭代，多维拆解任务失败原因（数据/模型/动作空间/感知/控制/sim-to-real gap/场景分布/评测定义）；

• 参与建立策略评测体系，定义成功率、稳定性、动作质量、安全性、恢复能力等指标，建立回归评测流程。

任职要求：

• 招募对象：大三大四本科生、研一研究生、直博一年级至三年级博士生。

• 专业方向：计算机、人工智能、机器人等相关理工科专业。

• 工程能力：

精通Python/C++；熟悉至少一种RL/模仿学习框架；

理解PPO/SAC/IQL/CQL/DPO 等算法基本原理，能根据任务特点判断方法适用边界；

具备真机/仿真联调经验，能处理仿真与真机间的物理不匹配问题；

具备系统实验设计能力，能围绕任务设计训练方案、对照实验与失败归因。

加分项：如有实验室项目、开源贡献、竞赛（ACM/ROBOCUP/RoboMaster）还是个人Github 仓库，请附上对应链接。