职位描述：

1.算法研发：设计面向高维自由度仿生机器人（双足/四足）的深度强化学习算法框架，突破复杂地形运动、动态平衡、多任务泛化等关键技术；

2.模型优化：开发基于Transformer、Diffusion Model等架构的DRL算法，解决长视域规划（Long-horizon Planning）、稀疏奖励问题；

3.仿真到真实迁移：基于NVIDIA Isaac Sim/Mujoco搭建高保真仿真环境，主导算法的Sim2Real性能调优与机器人硬件（如Unitree Go2/B1）实测验证；

4.技术闭环：推进算法在实时控制系统的嵌入式部署（FPGA/边缘计算平台），确保毫秒级推理延迟与工业级鲁棒性；

5.技术辐射：参与产学研合作项目（如Humanoid机器人联合研发），发表顶会论文或形成发明专利壁垒。

职位要求：

1.核心能力（硬门槛）： 硕士及以上学历，机器人学/控制理论/计算机科学方向，有机器人DRL算法开发经验优先；

2.深入理解机器人动力学建模（Lagrangian力学、接触动力学），有欠驱动系统（Underactuated Systems）控制经验优先；

3.DRL算法实战能力：熟练应用PPO、SAC、Soft Q-Learning等算法框架，掌握基于Reward Shaping、Curriculum Learning的工程调参技巧；

4.全链路开发能力：代码层精通Python/C++，熟练使用PyTorch/TensorRT进行模型部署，ROS2/ROS-Industrial实战经验；

5.仿真工具链掌控：在Isaac Sim/Mujoco中实现过复杂机器人系统的训练Pipeline构建与评估。

差异化竞争力（加分项）： 发表过CoRL/IROS/RSS等机器人学习顶会论文，或主导过DRL开源项目（如CleanRL、RL Baselines3 Zoo）； 有实际仿生机器人运动控制算法落地经验（波士顿动力/宇树/Tesla Bot等同类产品逆向调试经验尤佳）； 掌握符号控制（Symbolic Control）与DRL融合技术，提升算法可解释