机器人算法工程师
物理智能中心｜全职｜工程通道｜上海
2026-06-16
岗位职责
1. 全身运动控制与 RL 研究： 基于强化学习开发机器人的全身运控策略，设计状态空间与动作空间；
2. 训练框架搭建： 使用 Isaac Gym / Mujoco MJX 等 GPU 并行仿真环境，支持可扩展的 RL 算法训练，优化样本效率与收敛速度；
3. Sim-to-Real 迁移： 鲁棒部署研究，利用系统辨识缩小仿真与真实平台差异；
4. 实机部署与调试： 将训练策略集成到实时控制框架（ROS 2 + 实时内核），确保控制频率 ≥ 1kHz；
5. 混合控制架构： 将 RL 生成的高层动作（例如质心轨迹、足端落点）与传统 MPC/WBC 底层控制器结合，保证物理可行性和关节力矩平滑；
6. 算法创新： 跟踪前沿工作，探索本体世界模型研发。
2. 训练框架搭建： 使用 Isaac Gym / Mujoco MJX 等 GPU 并行仿真环境，支持可扩展的 RL 算法训练，优化样本效率与收敛速度；
3. Sim-to-Real 迁移： 鲁棒部署研究，利用系统辨识缩小仿真与真实平台差异；
4. 实机部署与调试： 将训练策略集成到实时控制框架（ROS 2 + 实时内核），确保控制频率 ≥ 1kHz；
5. 混合控制架构： 将 RL 生成的高层动作（例如质心轨迹、足端落点）与传统 MPC/WBC 底层控制器结合，保证物理可行性和关节力矩平滑；
6. 算法创新： 跟踪前沿工作，探索本体世界模型研发。
岗位要求
1. 硕士及以上学历，机器人学、控制工程、计算机科学等相关专业，博士优先；
2. 精通 C++ 和 Python，熟悉 Linux 环境下的实时编程；
3. 强化学习基础扎实： 深入理解RL常用算法原理，熟练使用至少一种 RL 框架（RLlib, Stable-Baselines3, SampleFactory）；
4. 机器人学基础： 熟悉 运动学（正逆解、雅可比）、动力学（拉格朗日/牛顿欧拉）、刚体变换、足式机器人步态规划；
5. 仿真经验： 熟练使用 Mujoco 或 Isaac Gym 进行复杂人形机器人模型（自由度 ≥ 20）的仿真与训练；
6. 实机经验： 至少将一种 RL 策略部署到 真实腿足机器人（人形或四足）。
加分项：
1. 熟悉全身控制 (WBC) 或 MPC，并能将其与 RL 结合；
2. 有人形机器人 DRL 开源项目贡献 或 顶级会议论文（CoRL, ICRA, RSS）关于 DRL for locomotion；
3. 熟悉 硬件在环 (HIL) 测试，能快速定位实机中的抖动、关节过热、足底打滑等问题；
4. 了解 C++ 实时控制系统（如使用 Xenomai, Preempt-RT, 或 ROS 2 的实时优先级）。
2. 精通 C++ 和 Python，熟悉 Linux 环境下的实时编程；
3. 强化学习基础扎实： 深入理解RL常用算法原理，熟练使用至少一种 RL 框架（RLlib, Stable-Baselines3, SampleFactory）；
4. 机器人学基础： 熟悉 运动学（正逆解、雅可比）、动力学（拉格朗日/牛顿欧拉）、刚体变换、足式机器人步态规划；
5. 仿真经验： 熟练使用 Mujoco 或 Isaac Gym 进行复杂人形机器人模型（自由度 ≥ 20）的仿真与训练；
6. 实机经验： 至少将一种 RL 策略部署到 真实腿足机器人（人形或四足）。
加分项：
1. 熟悉全身控制 (WBC) 或 MPC，并能将其与 RL 结合；
2. 有人形机器人 DRL 开源项目贡献 或 顶级会议论文（CoRL, ICRA, RSS）关于 DRL for locomotion；
3. 熟悉 硬件在环 (HIL) 测试，能快速定位实机中的抖动、关节过热、足底打滑等问题；
4. 了解 C++ 实时控制系统（如使用 Xenomai, Preempt-RT, 或 ROS 2 的实时优先级）。
