形机器人运动控制算法开发工程师

一、 岗位目标 聚焦人形机器人核心运动控制技术攻关，依托强化学习、模仿学习等先进方法，研发具备高鲁棒性与实际落地能力的运动控制算法，突破从仿真环境到真实机体部署的关键瓶颈，支撑机器人在多样化复杂场景中的稳定运动与智能响应。 二、 岗位职责 1、主导或参与基于强化学习、模仿学习的人形机器人运动控制算法设计、实现与调优，覆盖步态生成、平衡维持、轨迹追踪等关键任务； 2、负责算法在仿真平台的验证工作（包括场景构建、动力学建模、性能测评）及实机部署调试，重点解决sim2real迁移过程中的动力学偏差、传感器噪声、执行器延迟等问题； 3、持续跟踪机器人学习领域（如强化学习、模仿学习、元学习等）前沿进展，结合工程需求开展技术预研与创新实践； 4、协同机械结构、硬件驱动、系统集成等相关团队，优化控制算法与硬件系统的匹配度，提升整机运动表现与运行可靠性； 5、编写技术文档、算法说明材料，并推动专利布局或论文产出，积累可复用的技术资产。 三、 任职资格 （一）基本要求 1、硕士及以上学历，专业方向为自动化、控制科学与工程、机器人工程、计算机、机电一体化等相关领域； 2、硕士需具备3年以上机器人相关工作经验，博士需具有1年以上相关项目或科研经历，具备扎实的人形、四足或工业机器人运动控制开发背景； 3、有将强化学习或模仿学习应用于机器人实际控制任务（如行走控制、动态平衡等）的实际经验者优先考虑。 （二）项目与成果要求 1、完整参与过机器人运动控制算法项目，熟悉从建模、算法开发、仿真验证到真机测试的全流程； 2、在ICRA、IROS、NeurIPS、RSS等顶级会议或期刊发表过相关论文，或拥有机器人控制、强化学习方向核心专利者优先。 （三）技能要求 1、掌握多自由度机器人运动学与动力学理论，理解常见控制架构（如PID、模型预测控制）与学习类算法的融合机制； 2、熟练使用C++、Python进行算法开发，具备良好的代码实现与系统集成能力； 3、精通ROS（Melodic/Noetic/Humble）开发环境，熟悉MuJoCo、Gazebo、Isaac Gym等仿真工具的配置、调试与性能分析； 4、深入理解主流深度强化学习算法（如DQN、DDPG、PPO、SAC）原理，能根据具体机器人任务进行适配性改进； 5、具备较强的故障诊断与问题定位能力，可独立应对仿真与实机间差异带来的技术挑战； 6、具备良好的沟通协作意识，能够高效推进跨职能团队合作，同时具备规范的技术文档撰写能力。 四、薪资：30-40K/月 五、办公地点：北京市大兴区金苑路文化都汇4号楼