具身算法工程师（力交互 / 力感知策略方向）

职位描述

1. Force-aware Policy 架构研发：负责复杂机器人系统（双臂、灵巧手、高自由度人形）在接触密集任务上的策略研发;

2. 从运动控制角度出发，主导前沿生成式策略的架构设计与系统消融;

3. 设计多模态信号融合方案，让高频力通道与低频视觉通道在同一 policy 内分工明确；探索异构动作空间（pose /joint/tactile /force）设计方案;

4. 多模态感知融合与交互控制：利用 6D 力 / 力矩、指尖触觉（GelSight 族）、视觉、语言等多模态输入，建立 Sensorimotor 闭环;

5. 针对接触密集（contact-rich）场景开发自适应策略，解决多对象操作、对接触状态泛化难题;

6.设计并验证 “力 / 触觉” 两类传感器在不同接触任务上的分工，产出可发表的系统消融结论;

任职要求

1. 学历与专业

- 硕士及以上学历，机器人、控制科学、计算机、人工智能等相关专业

2. 核心算法栈

- 模仿学习与生成式策略：精通 BC、Transformer-based Policy（ACT、Decision Transformer）、Diffusion Policy 等前沿架构，理解其数学原理与训练细节

- VLA 与多模态大模型：熟悉 π₀ / OpenVLA / RDT 等 VLA 架构，理解 vision-language backbone 与 action expert 的耦合方式及在接触任务上的局限

- 控制与动力学基础：熟悉现代控制理论（LQR、MPC、WBC、阻抗 / 导纳控制、hybrid force-position control），能讨论为什么软导纳在刚性接触下会震荡

3. 工程落地能力

- 编程：精通 Python / C++，熟练使用 PyTorch，熟悉 ROS / ROS2 通信架构

- 训练栈：有 Hydra + Accelerate 多 GPU + WandB experiment tracking 的实战经验

- 数据管线：能处理多路异步多模态流（RGB 30 Hz + F/T 200 Hz + 触觉 20 Hz）的对齐、下采样与 reduced token 设计

【加分项】

- 真机实战经验：在双臂、灵巧手（Shadow / Inspire 等）或人形机器人上有成功的 IL / VLA 算法部署经验

- 力觉 / 触觉信号处理：6D F/T 重力补偿、external wrench 估计、噪声门限；GelSight 族触觉（Xense、DIGIT、GelSight）的 reduced token 设计或实操

- VLA 训练经验：π₀ / OpenVLA / RDT 或类似架构的后训练、LoRA、action head 替换实战经验

- 遥操作数据管线：搭建 teleoperation 系统并处理大规模人类演示数据（human demo）的经验

- 学术 / 开源影响力：在 RSS、ICRA、CoRL、NeurIPS、IROS 发表过 Robot Learning 相关一作论文，或维护过高 Star 开源项目