Humanoid感控算法工程师/专家

职位描述

1、设计与实现人形机器人全身控制策略，覆盖 locomotion、地形穿越、以及负载/接触条件下的 loco-manipulation；

2、搭建与优化运动数据引擎：人体动作重定向、场景感知的数据合成、长时序技能编排；

3、训练覆盖大规模人体动作的通用全身控制基座模型，作为上层任务的统一底座；

4、构建多任务感知-运控架构，支持技能持续扩展而无需重建训练管线；

5、探索 whole-body intelligence 的 scaling law，研究策略的容量边界与扩展方式；

6、探索前沿方向的可行性，包括条件运动生成、人机协同操作等；

任职要求

1、强化学习、机器人学或计算机视觉相关专业，硕士及以上学历；

2、2 年以上具身智能领域研发经验，或具备同等强度的项目成果；

3、具备至少一个由本人主导、覆盖策略训练至真机部署全流程的完整项目经历；

4、具备依据论文独立复现前沿工作的能力，能够在无开源代码的条件下补全实现细节；

5、深度掌握 Isaac Lab / IsaacSim / MuJoCo 中至少一项，具备定位仿真器层面问题的能力（接触求解、碰撞几何、时间步设置、并行环境数值行为等）；

6、具备系统性的 sim-to-real 实践经验，能够清晰阐述所遇差异的成因、验证方法与解决路径；

7、PyTorch 工程能力扎实，具备独立搭建训练框架及性能优化的能力；

优先条件

- 熟悉 motion tracking / motion retargeting / motion matching，并了解各方法的适用边界

- 具备 teacher-student 蒸馏、DAgger 及 RL 与 imitation 混合训练的实操经验

- 具备 depth-based 或其他 visuomotor 策略研发经验，有感控融合算法开发和调试经验

- 在 CoRL / RSS / ICRA / IROS / NeurIPS / ICML 等会议发表一作论文，或有被同行广泛使用的开源工作

- 具备人形机器人硬件层调试经验，包括关节标定、状态估计、通信链路及实时性优化

- 复现过 PHP / SONIC / GR00T WBC / OmniRetarget 等代表性工作