岗位职责你将负责开发面向移动多关节机器人的智能导航与社交行为决策系统，结合经典路径规划算法、强化学习与行为决策逻辑，实现机器⼈在复杂、动态、多主体环境中的⾼效、安全、⾃然的运动与交互。主要职责经典路径规划算法开发适用于不同环境（室内/室外/多层结构）的全局与局部路径规划算法；探索和优化经典算法（如A*、HybridA*、RRT、DWA等）在动态环境中的鲁棒性和实时性；设计路径平滑与轨迹跟踪模块（如纯跟踪、MPC跟踪、ElasticBand等）；与感知模块协同，实现路径规划在真实机器人系统中的闭环部署。⾏为决策与调度基于行为树（BehaviorTree）或有限状态机（FSM）设计机器人任务决策框架；构建多层级的导航任务逻辑；研究社交导航场景下的行为规划，如避让、礼让、保持社交距离等。强化学习与社交导航搭建面向社交导航的强化学习环境（如Ha*tat、IsaacLab等）；设计训练数据生成机制、观测传感器、奖励函数与任务分布；深入理解并优化主流算法（PPO、DDPPO、SAC等），提升收敛速度与稳定性；研究sim2real迁移与策略泛化，减少仿真到真实机器的性能差距。VLN（Visio*dLanguageNavigation）探索结合语言与视觉指令的导型训练；参与多模态大模型（视觉+语言）在导航领域的落地研究岗位要求专业基础计算机科学、控制工程、机器人学、人工智能或相关专业及；扎实的数学功底（线性代数、优化理论、概率论、运动学）；熟悉ROS/ROS2、C++/Python开发环境，了解Linux工程部署流程。技术能力精通至少一种路径规划算法（A*、HybridA*、RRT、DWA、MPC、EB等），能独立实现；熟悉强化学习算法（PPO、SAC、DDPG、TD3等），能根据任务自定义reward与observation；熟悉物理仿真平台（Ha*tat、IsaacLab、Genesis、MuJoCo、Mjlab等）并能复现RL训练流程；能分析sim2realgap，掌握常见的domainrandomization与感知补偿方法；熟悉行为树（BehaviorTree）；熟悉机器人运动学建模与动力学约束。加分项985，1或其他知名院校相关专业；有高水平论文或竞赛成绩；有社交导航（SocialNavigation）或人机共存场景研究经验；有双足、四足或轮足机器人等实际部署经验；有大规模强化学习分布式训练（如Ha*tatBaselines、IsaacRL、RLlib等）经验；了解VLN相关算法；
联系我时，请说是在58同城上看到的，谢谢！