1.四足、人型機器人強化學習算法研發(fā)，聚焦步態(tài)生成、動態(tài)平衡控制、復雜地形適配（斜坡、臺階、松軟地面等）、敏捷動作（跳躍、俯沖、側(cè)移）等核心場景，設計貼合四足機器人動力學特性的算法解決方案，突破運動穩(wěn)定性與魯棒性瓶頸。
2.深度強化學習算法的模型設計、代碼實現(xiàn)、仿真調(diào)試，熟練運用PPO、SAC、DDPG、TD3等主流算法，結(jié)合模仿學習、多任務學習等前沿技術(shù)優(yōu)化策略，提升算法訓練效率與泛化能力。
3.搭建并優(yōu)化四足機器人仿真訓練環(huán)境，基于NVIDIA Isaac Sim、MuJoCo、Gazebo、PyBullet等平臺完成場景建模與物理引擎配置，實現(xiàn)Sim2Real遷移向真實機器人的落地。
4.負責強化學習模型的真機部署、性能調(diào)優(yōu)與問題排查，適配嵌入式平臺（如NVIDIA Jetson系列），優(yōu)化算法實時性與資源占用，保障算法在實際場景中的穩(wěn)定運行。
跟蹤強化學習與具身智能領(lǐng)域前沿進展，探索大模型（如OpenVLA）與強化學習結(jié)合的應用場景，推動算法創(chuàng)新與技術(shù)迭代，沉淀技術(shù)方案與專利。

1.本科及以上學歷，計算機、自動化、機器人學、人工智能、控制工程、數(shù)學等相關(guān)專業(yè)，碩士及以上學歷優(yōu)先，優(yōu)秀本科生需具備豐富的四足機器人+強化學習項目經(jīng)驗。
2.1年以上四足機器人強化學習相關(guān)研發(fā)經(jīng)驗，博士學歷可放寬經(jīng)驗要求；有完整的算法從仿真到真機落地項目經(jīng)歷者優(yōu)先，熟悉多自由度欠驅(qū)動機器人動力學特性者加分。
3.具備扎實的數(shù)學基礎(chǔ)（概率論、線性代數(shù)、優(yōu)化理論），深入理解learning-based control領(lǐng)域前沿進展，能解決算法研發(fā)與工程化落地中的技術(shù)問題。
4.熟練掌握Python、C++編程語言，具備良好的代碼規(guī)范；精通PyTorch、TensorFlow等主流深度學習框架，熟悉ROS機器人操作系統(tǒng)及機器人軟件開發(fā)流程。
5.深入理解主流深度強化學習算法原理與實現(xiàn)細節(jié)，能根據(jù)四足機器人任務場景設計、改進算法及獎勵函數(shù)，有分層強化學習、多智能體協(xié)同強化學習經(jīng)驗者加分。
6.熟練使用至少一種機器人仿真平臺，能獨立搭建四足機器人仿真訓練環(huán)境；具備強化學習模型輕量化、推理加速及真機部署經(jīng)驗，熟悉CAN、EtherCAT等底層接口者優(yōu)先。
7.參與四足機器人強化學習相關(guān)項目，有Mini Cheetah、ANYmal等主流四足機器人硬件調(diào)試及算法部署經(jīng)驗者優(yōu)先。