1、负责面向航天装备大规模运用的规划筹划技术研究；重点攻关面向大量异构装备的运用建模技术、高动态环境下的临机规划筹划技术、复杂约束下的任务规划技术、高效分布式多智能体训练技术等。 2、负责带领团队基于前沿技术途径方法，结合业务需求快速搭建算法验证原型，形成相关算法技术方案，输出技术先进性对比分析报告。 3、跟踪动态大规模规划筹划发展前沿及技术动态，为团队确定技术研究方向，指导团队开展技术突破攻关

1、具备5年以上强化学习工作或研究经验，有优化理论、多智能体学习、分布式强化学习等经验者优先； 2、对机器学习特别是强化学习等算法原理及其应用有深入的理解，在NeurlPs、ICML、ICLR、AAAI等顶会以第一作者或通讯作者发表过高质量论文； 3、精通深度强化学习（PPO、SAC、DQN系列）及经典控制理论；能够构建多智能协同博弈决策的仿真环境，并完成相关场景验证； 4、能够应用TensorFLow、PyTorch等主流框架实现模型搭建与算法调优，主导过开源项目或大型项目工程者优先