岗位职责 1. 技术战略与架构设计 制定机械臂控制技术路线图，兼顾工业高精度实时控制与具身智能前沿方向（学习型控制、感知-控制闭环、全身协调控制、Sim2Real）。 主导控制系统架构演进：短期保障实时性、稳定性、安全性；中长期探索RTOS+AI加速芯片融合架构，支持神经网络策略部署。 2. 核心控制与算法研发（传统+具身） 运动控制与力控：多轴伺服控制、轨迹规划、振动抑制、力/位混合控制、阻抗控制等继续作为工程底座。 感知-控制闭环：结合RGB-D、触觉、力觉传感器，开发视觉伺服与触觉伺服策略，实现动态抓取、自适应装配。 学习型控制：落地模仿学习（IL，如ACT、Diffusion Policy）或强化学习（RL，如PPO、SAC），解决传统方法难以建模的复杂接触任务。 全身协调控制：针对人形机器人或复合机器人，开发移动操作下的全身运动规划与控制算法，实现手、眼、脚协调。 Sim2Real闭环：利用Isaac Sim/Mujoco等仿真器大规模训练策略，解决动力学差异与安全迁移问题。 3. 团队建设与管理 组建并管理控制与底层软件团队，培养实时控制+具身智能复合型人才。 跨部门协同硬件、产品、项目、销售，推动技术成果产业化。

任职要求 1. 教育背景 自动化、控制工程、机械电子、机器人、计算机等专业硕士及以上，博士优先。 3. 经验要求（分两类：工程基础 + 前沿突破） 工程与实时控制（必须精通）： 多轴伺服控制、轨迹规划、插补、振动抑制。 力/位混合控制、阻抗控制、碰撞检测、自适应力控（有装配/打磨落地经验）。 RTOS / Linux + Xenomai/Preempt-RT，EtherCAT、CANopen、PROFINET。 高实时、高安全嵌入式系统架构（ISO 13849 / 26262 优先）。 具身智能与前沿方向（至少部分掌握，负责人不要求全精但需能规划与带队探索）： 熟悉一种主流深度学习框架（PyTorch/TF），理解其在控制中的应用（策略网络、值函数）。 有模仿学习（ACT、Diffusion Policy）或强化学习（PPO、SAC）在机械臂真实或仿真环境中的落地经验，能解决稀疏奖励、安全探索问题。 熟练使用Isaac Sim/Gym、Mujoco、Gazebo等仿真器，具备Sim2Real调优经验。 加分项：熟悉LeRobot、Deoxys、RLBench等具身控制框架；有触觉传感器（如GelSight）或灵巧手控制经验。