1、面向人形/机械臂/轮臂等多种机器人本体搭建运控算法，设计和开发机器人的运动规划和控制算法，包括路径规划，轨迹优化，运动学和动力学控制等，完成算法开发，并负责实物调试和测试； 2、负责跨本体动作重定向（Retarget），从MoCap/视频/姿态估计提取人体骨骼或末端轨迹，研究末端/任务空间到关节空间的稳健映射，多目标IK、冗余分配、接触一致性、步态/上肢协同，支持比例缩放、关节限幅、镜像/对称、风格保持；负责对采集的夹爪数据、动捕数据、双臂数据、移动操作数据进行轨迹提取和优化； 3、负责各种灵巧手、夹爪、机械臂等设备的操作算法开发，实现标定与控制、阻抗/力位混合控制与触觉-视觉融合；实现对刚体、柔性物体、非结构物体的操作，包含手内物体操作、铰链物体、线缆、衣被等物体操作； 4、负责机器人运动系统的建模和仿真，评估系统性能和响应，优化从模拟到现实（Sim2Real）的迁移技术，设计和实施模仿学习与强化学习算法，提升算法鲁棒性，以解决实际问题； 5、人形机器人操作与运动策略研发：基于强化学习（RL）、模仿学习（IL）、扩散策略（Diffusion Policy）等方法，研发机械臂、双手操作（manipulation）与全身运动（locomotion）的智能控制策略，针对复杂场景（如搬运、工具使用、行走、爬楼梯、障碍物跨越等）实现操作与运动的全身协调（Whole-body Coordination）； 6、负责机器人控制器开发与调试，包括但不限于基于模型的控制（MBC）、干扰观测器、碰撞检测、虚拟墙、导航/阻抗控制、力位混合控制、全闭环控制等功能开发；设计并实现摩擦补偿、重力补偿、惯性补偿等算法。

1、机器人、控制科学与工程、计算机等相关专业硕士及以上学历，3年以上机器人运控算法研发经验； 2、精通运动规划：深刻理解并掌握采样规划（RRT*、PRM）、优化规划（轨迹优化、STOMP）、基于搜索的规划等核心算法，并有在复杂、动态环境下的成功应用经验；精通机器人控制：对机器人动力学、经典与现代控制理论（PID、自适应控制、MPC）有扎实功底，有力控、柔顺控制的实际项目经验； 3、熟悉相机、惯导、激光雷达等传感器的slam算法，对轨迹预测和跟踪等优化算法有实际项目经验； 4、出色的数学与编程能力：具备优秀的多体动力学建模、优化理论、线性代数基础。精通C++/Python，熟悉ROS/ROS2及常用机器人中间件，具备高性能代码实现与调试能力； 5、系统思维与产品意识：深刻理解规控系统在整机中的角色，能将算法需求转化为清晰的软件模块和接口定义，并对最终的运动性能指标负责； 6、熟悉深度强化学习（PPO、SAC、TD3、Dreamer、GAIL 等）或模仿学习方法（VLA、WA、VA等），有扩散策略（Diffusion Policy / Guided Diffusion / Flow Matching）在机器人控制中的实际经验或深入理解； 7、熟悉实时系统（如 Linux with PREEMPT_RT,VxWorks, QNX）下的软件开发，或有基于EtherCAT、CANopen 等总线技术的伺服驱动开发调试经验；具有力控、视觉伺服（Visual Servoing）或机器学习在控制中应用的经验。 【加分项】： - 有人形机器人 manipulation + locomotion 结合任务的经验，有大规模分布式 RL 训练经验（如 FSDP、DeepSpeed、Ray RLlib 等）； - 有 sim2real、domain randomization、策略蒸馏等相关研究或落地经验，有高水平论文、开源项目或竞赛获奖经历。