足式强化学习控制算法工程师/实习

岗位职责： 1. 研发基于深度强化学习的足式机器人运动控制算法，提升机器人在复杂环境下的稳定性与自适应能力。 2. 设计并优化不同环境和任务下的步态规划算法，涵盖静态步态（如爬行、行走）和动态步态（如跑步、跳跃）。 3. 开发实时控制算法，使机器人能够响应传感器数据，快速调整姿态并进行平衡控制。 4. 设计并实现路径规划与导航算法，确保机器人在多变地形中稳定前行，避开障碍物。 5. 在仿真平台（如MuJoCo、Isaac Gym/Lab等）上进行算法测试与优化，确保算法能够高效应用于实际机器人。 6. 与传感器融合与环境感知团队协作，结合IMU、相机、激光雷达等传感器数据进行精确的状态估计和控制。 7. 持续跟踪并引入国内外前沿研究成果，推动相关技术的更新与应用。 8. 与硬件工程师、机械设计团队紧密合作，确保算法在实际机器人上的有效实现与部署。

任职要求： 1. 学历要求：硕士及以上学历，计算机科学、控制工程、机器人学、人工智能等相关专业。 2. 技能要求： - 深入理解机器人学原理，掌握足式机器人运动学和动力学建模，熟悉正向/逆向运动学（FK/IK）及常用动力学计算库（如Pinocchio）。 - 熟悉常用的强化学习算法（如PPO、SAC、DQN、DDPG等），并有实际应用经验。 - 精通C++、Python编程，熟悉机器人开发中的主流工具和库（如MuJoCo、IsaacGym/Sim/Lab等仿真平台）。 - 具备机器人运动控制经验，熟悉运动控制算法（如PID控制、LQR、MPC）及传感器数据融合技术。 - 理解并应用深度学习框架（如Pytorch、TensorFlow）进行强化学习模型的训练与优化。 3. 工作经验要求： - 具有足式机器人（如四足、二足等）的运动控制和步态规划经验。 - 有强化学习、深度学习等相关领域的研究或项目经验，能够将算法应用于实际机器人上。 4. 个人素质要求： - 扎实的数学基础，特别是在优化理论、控制理论和强化学习方面。 - 良好的团队合作精神与沟通能力，能够与硬件、传感器、嵌入式系统等团队紧密协作。 - 强烈的自我驱动力，能够快速学习并应用最新技术。 - 较强的动手能力，能够在实验室环境下进行调试、验证和优化。 加分项： - 在复杂地形上实现足式机器人稳定运动的经验。 - 发表过相关领域的顶级会议论文（如ICRA、IROS、CoRL等）。 - 具备多足机器人或双足机器人控制的深入研究经验。