（先加微信：duke-simon 拿项目手册，画像精准再做单-岗位比较多请截图咨询） "控制理论、机器人学、计算机科学或相关专业硕士及以上学历。 3 年以上机器人运动控制或深度学习控制相关研发经验。 精通 C/C++ 编程，具备优秀的 Python/PyTorch/TensorFlow 能力，有在实时系统上部署代码的经验。 模型预测控制 (MPC)： 具备双足或高动态系统 MPC 算法的设计、优化和实际工程部署经验，熟悉 QP/NLP 求解器。 强化学习 (RL)： 深入理解深度强化学习原理，熟悉主流 DRL 算法，并有应用于连续控制或机器人运动的经验。 模仿学习 (IL)： 具备模仿学习/行为克隆的经验，能够处理并利用大规模运动数据。 双足机器人/高动态系统： 熟悉双足运动学/动力学建模，以及平衡控制、步态规划等核心挑战。 加分项： 有基于模型的强化学习 (MBRL) 的研究或实践经验。 熟悉机器人操作系统 (ROS/ROS 2)，或有嵌入式控制系统开发经验。 熟悉传感器融合、状态估计（如 EKF/UKF） 在机器人运动控制中的应用。 在相关顶级会议（如 ICRA, IROS, CoRL, NeurIPS, ICLR）上发表过论文。"

"计算机科学、人工智能、电子工程等相关专业硕士及以上学历。 3 年以上深度学习模型研发经验，或在相关领域有突出研究成果。 精通PyTorch/TensorFlow等主流深度学习框架，具备优秀的Python编程能力和工程实现能力。 核心技能与经验（必须项）： 大模型经验： 深入理解Transformer架构，有LLM/VLM/Diffusion Models的完整研发或大规模应用经验（如预训练、指令微调、SFT、LoRA等）。 机器人与具身智能： 熟悉具身智能 (Embodied AI) 领域的核心挑战和主流解决方案。 多模态处理： 具备视觉-语言 (VL) 或视觉-语言-动作 (VLA) 模型的开发经验，对跨模态对齐、序列决策有深刻理解。 实际落地经验： 有将模型部署到边缘设备或实际机器人硬件上的经验，熟悉性能优化和实时推理。 加分项： 有机器人操作系统 (如 ROS/ROS 2) 使用经验，或熟悉机器人运动规划、控制算法。 熟悉深度强化学习 (DRL) 或模仿学习 (Imitation Learning)，并有实际项目应用经验。 在 NeurIPS, ICML, ICLR, CVPR, ICCV, ECCV, CoRL 等顶级会议或期刊上发表过相关论文。 有开源大型模型或贡献著名开源项目的经验。"