1、负责公司强化学习整体技术路线规划、算法框架设计及持续迭代优化；2、主导Online RL、Offline RL、Imitation Learning、Human-in-the-loop RL、Model-based RL研发；3、负责奖励函数设计、课程学习、探索策略、策略优化；4、建立大规模并行训练系统，优化Sim-to-Real Gap；5、与VLA/世界模型团队共同设计RL融合方案

1、硕士及以上（博士优先），RL/控制/机器人方向；2、精通PPO/SAC/DDPG/TD3等连续控制算法；3、熟练使用MuJoCo/Isaac Gym/Isaac Sim；4、具备机器人真机部署经验（双足行走/灵巧操作/双臂协同）；5、CoRL/RSS/ICRA/IROS论文优先