工作职责： 1、负责双足机器人运动控制与步态算法的设计、开发和优化。 2、负责人形机器人双手操作与全身运动（locomotion）的智能控制策略开发，针对复杂场景（如重物搬运、精准拆码垛、行走、爬楼梯、障碍物跨越等）实现操作与运动的全身协调。 3、基于深度强化学习、模仿学习等方法优化运动策略，提升机器人在动态环境中的自适应能力与运动效率。 4、负责算法从仿真到实机的迁移部署，开发在线动力学参数辨识与自适应校准方案，解决 sim2real gap 问题，保障真机运行的实时性与稳定性。 5、建立算法鲁棒性评估机制，通过扰动测试验证运动策略在真实场景中的可靠性。 6、跟踪运动控制领域前沿技术，持续进行算法创新与性能优化。

任职要求： 1. 精通机器人运动学、多刚体动力学建模与求解，1 年及以上人形机器人/机械臂具身项目开发经验，曾主导步态规划、运动策略优化等核心模块开发者优先。 2. 精通 PyTorch/Jax 等深度学习框架，熟练掌握至少一种主流强化学习算法（PPO、SAC、DQN, GRPO, RLPD），并有完整的落地实践经历。 3. 主导或参与过操作类算法任务设计开发项目，如码垛搬运，异形件抓取，装配等操作类算法项目，具备接触密集型任务调优强化学习算法的经验。 4. 掌握 Isaac Sim、MuJoCo 等至少一种仿真工具，能针对操作类任务构建强化学习仿真场景，有仿真效果优化能力，有完整的 sim2real 项目落地经验，能够解决仿真环境与现实中摩擦力、接触刚度、传感器噪声不一致导致的 sim2real 问题。 5. 熟知 Diffusion，flow matching 算法原理，实践优化过 PI 系列，GR00T，OpenVLA 等 VLA 模型，对于 VLA 的微调训练原理有较深刻认知。 ## 加分项： 1. 熟悉 Motion Tracking 类经典算法（AMP, beyondmimic 等），掌握 GMR，PHC 等至少一种动作重映射算法，有真机部署实践经验者优先 2. 熟悉 RLinf，EVO-RL 等 VLA 强化学习项目，对 Recap，DDPO，FPO 等扩散算法做强化学习后训练者优先。