强化学习与运动控制算法工程师

强化学习与运动控制算法工程师岗位职责核心算法研发：负责机器人运动控制算法的全栈研发，涵盖传统控制（PID、阻抗控制、导纳控制）、*优控制（MPC、iLQR、DDP）及基于强化学习（PPO、SAC、TD3）的智能控制策略，确保机器人在复杂动态环境下的高精度与鲁棒性。全身控制（WBC）：基于动力学模型（OperationalSpaceControl），设计并优化全身控制算法，解决双臂协作、灵巧手操作、轮式/双足机器人等复杂构型的协调运动与力位混合控制问题。AI与控制融合：探索“AI+控制”的深度融合，设计混合控制框架，将强化学习的前馈预测能力与传统控制（如PID/MPC）的反馈纠错能力相结合，实现Sim2Real的高效迁移。仿真与实机部署：搭建高保真仿真环境（IsaacSim、MuJoCo、Gazebo等），负责算法的训练验证、数值优化（QP/SQP）及在真实机器人平台上的实时部署与调试。任职要求学历背景：硕士及以上学历，博士优先；机器人学、控制科学与工程、计算机科学、应用数学等相关专业。理论基础：具备深厚的数学功底，精通多体动力学、凸优化、变分法及数值计算方法；熟悉刚体动力学库（如Pinocchio、RBDL）。控制技能：精通现代控制理论，熟练掌握MPC、LQR、WBC等算法的建模与求解。深入理解深度强化学习原理，熟练使用PyTorch或TensorFlow框架，有PPO、SAC等算法的实际调优经验。工程能力：编程功底扎实，精通C++/Python，熟悉Linux开发环境。熟练使用ROS/ROS2系统，掌握CasADi、Eigen等数学库，熟悉MuJoCo、IsaacGym、Gazebo等仿真器。加分项顶会论文：在ICRA、IROS、RSS、NeurIPS、CoRL等*会议或期刊发表过高水平论文。实战经验：有足式机器人、人形机器人、机械臂或*的真机控制落地经验；在ACM/RoboMaster等竞赛中获奖或有优秀开源项目贡献。
联系我时，请说是在58同城上看到的，谢谢！