算法工程师（运动控制方向）

【职位职责】 1. 仿真环境与资产构建：基于 Isaac Lab (Isaac Sim) 或 Mujoco 构建双足/人形机器人的高保真物理仿真环境，针对复杂地形（阶梯、斜坡、软硬交替等）及多任务作业场景进行动力学参数调优。 2. 动捕重定向与遥操系统开发：基于人体动捕设备或视觉输入，开发低延迟、高精度的动作重定向算法，实现人到双足机器人的全身遥操作，并为强化学习训练采集高质量的专家演示数据。 3. 拟人化双足步态生成：探索并应用前沿的强化学习与动作生成框架，结合动捕数据训练下肢 Locomotion 策略，生成自然、流畅且低能耗的双足步态。 4. 技能泛化与全身协同控制：突破从纯动作模仿到高动态任务泛化的技术瓶颈。将底层运动先验与高层任务指令解耦，在保证下肢动态平衡的前提下，结合上肢动作生成全身协同控制指令，应对抓取、搬运等带来的质心偏移与动力学耦合。 5. Sim-to-Real 迁移：设计实施精细的 Domain Randomization（域随机化）与延时/传动误差补偿策略，消除双足真机特有的关节柔性、电机带宽限制及传感噪声，确保高动态动作的稳定部署。 【任职要求】 1. 计算机、自动化、人工智能、机械电子、机器人等相关专业硕士及以上学历。 2. 精通 Python，熟练掌握 PyTorch 框架，具备扎实的 C++ 工程化与算法部署能力。 3. 具备 Isaac Sim / Isaac Lab 或 MuJoCo 的深度使用经验，能够独立完成双足机器人的环境搭建、模型训练与真机部署。 4. 深入理解强化学习与模仿学习原理，具有丰富的双足或四足机器人 Locomotion 项目落地经验。 5. 深入理解基于参考动作的强化学习/模仿学习技术路线（有 AMP, BeyondMimic 等相关算法背景者优先），对如何解决从动作模仿到目标驱动、地形自适应的泛化难题有深刻认知。 6. 具备动作重定向与遥操作系统开发经验者优先，熟悉动捕数据（如 BVH, FBX 格式）的解析与预处理。 7. 熟悉刚体动力学、运动学，理解双足动态平衡判据（如 ZMP, Capture Point）及上下肢动力学耦合原理。 【学历要求】 硕士及以上 【硬性专业要求】 计算机相关专业、自动化相关专业、人工智能相关专业、机械电子相关专业、机器人相关专业