岗位职责: 负责机器人全身运动控制算法在真实场景中的研发与落地,面向行走、上下楼梯、动态交互、motion tracking以及遥操作等任务,构建具备泛化能力的全身控制策略 基于强化学习、模仿学习与生成式建模方法,研发面向 humanoid 的通用动作控制模型,提升机器人在复杂环境中的稳定性、灵活性与任务适应能力 负责全身动作跟踪与遥操作系统设计,构建从人类动作数据、视频数据或多源运动数据到机器人控制策略的训练与部署闭环 探索视觉条件控制、环境上下文建模、动作参考跟踪、残差适配等关键技术,提升机器人在不同环境、不同交互接口和不同真实硬件条件下的鲁棒性与迁移能力 参与机器人仿真平台、数据采集系统、训练评测体系以及真机部署框架建设,持续优化模型的训练效率、控制性能与落地稳定性 紧跟具身智能与 humanoid control 前沿技术发展,开展技术创新、方案设计与原型验证,沉淀可复用的核心算法能力与系统能力.

任职要求: 硕士及以上学历,计算机、人工智能、机器人、自动化等相关专业,具备机器人运动控制、强化学习、模仿学习、动作生成、世界模型或具身智能相关研究或工程经验 熟悉 humanoid 全身控制相关问题,理解 locomotion、whole-body tracking、teleoperation、contextual control 等任务中的核心技术挑战 具备扎实的深度学习与机器人算法基础,熟悉 pytorch 等深度学习框架,具有较强的算法实现、实验设计与结果分析能力 熟悉强化学习、模仿学习或运动生成相关方法,有动作跟踪、运动先验建模、视频驱动控制、遥操作适配或 sim-to-real 相关经验者优先 具备机器人仿真环境或真机部署经验,熟悉 isaac lab、isaac gym、mujoco、ros/ros2 等工具者优先 有 humanoid 机器人控制、全身策略训练、环境感知条件控制、视频模仿学习、遥操作系统开发经验者优先 在顶级国际会议/期刊(iclr、icml、neurips、cvpr、rss、icra、corl 等)发表过相关研究成果者优先 具备扎实的代码实现能力与规范的工程习惯,能够快速推进研究原型验证与系统落地,熟练使用 vibe coding,能快速实现相关 idea.