【理想+】强化学习算法研究-北京(A177957)

职位描述： 1. 负责面向自动驾驶与具身智能的强化学习算法研究与开发，包括Model-based/Free RL、Online/Offline RL等； 2. 构建大规模分布式强化学习训练系统，推动RL算法在真实场景的规模化应用； 3. 研究数据合成与评测技术，建立数据引擎与评测基准，实现real→sim→real快速迭代闭环； 4. 探索模仿学习、逆强化学习、Scalable Oversight等技术，提升策略学习效率与泛化能力； 5. 与世界模型团队协作，利用学习式仿真环境进行策略训练与验证，推动sim2real迁移； 6. 参与前沿研究，发表顶会论文，推动强化学习在自动驾驶与具身智能领域的技术进步。 职位要求： 1. 硕士及以上学历，机器学习、强化学习、计算机科学、自动化等相关专业； 2. 扎实的强化学习理论基础，熟悉主流RL算法（PPO、SAC、TD3、IQL等）及其应用； 3. 熟练掌握Python、C++编程语言，熟悉PyTorch等深度学习框架，有分布式训练经验； 4. 对大规模强化学习、策略优化、模仿学习等有深入理解和实践经验； 5. 具有优秀的分析和解决问题能力，自驱性强，能够独立推进研究项目。 【具备以下条件优先】 1. 在NeurIPS/ICLR/ICML/ICRA/CoRL/RSS等顶级会议发表论文者优先； 2. 有自动驾驶、机器人、游戏AI等领域的强化学习应用经验者优先； 3. 有仿真平台（CARLA、NVIDIA Isaac、MuJoCo等）开发或使用经验者优先； 4. 有Model-based RL、World Model、Offline RL、Sim2real等研究经验者优先； 5. 有大规模分布式训练系统开发经验，熟悉Ray、Kubernetes等工具者优先； 6. 维护过重量级开源项目或在RL相关竞赛中获奖者优先； 7. 有实车/实机调试经验，了解传感器栈、控制闭环者优先。