深度学习运动控制算法工程师 深圳 实习 职位描述 【岗位职责】1.算法研发：负责基于深度强化学习（DRL）、模仿学习或监督学习的方法，开发机器人的运动控制与操作策略，解决复杂环境下的运动规划与控制问题。2.仿真环境搭建：在仿真平台（如NVIDIA Isaac Sim/Gym、MuJoCo、PyBullet、Genesis等）中构建机器人及任务环境，设计状态空间、动作空间及奖励函数，进行策略训练与迭代优化。3.Sim-to-Real迁移：解决仿真到真实世界的迁移问题，通过域随机化、系统辨识、课程学习等方法，提升策略在实际机器人上的成功率和鲁棒性。4.系统集成：将训练好的模型部署到真实机器人平台（机械臂、移动机器人、足式机器人等），与感知、定位、传统控制模块进行联合调试与优化。5.性能优化：对推理延迟、控制频率、内存占用等工程指标进行优化，确保算法满足实时性要求。6.前沿跟踪：跟踪机器人学习（CoRL、ICRA、RSS等）、深度强化学习（NeurIPS、ICML）等领域最新进展，推动技术落地与创新。 职位要求 基本要求1.学历专业：本科及以上学历。计算机、自动化、机器人学、机械工程、控制工程、人工智能等相关专业。2.理论基础： 熟悉深度强化学习经典算法（如PPO、SAC、TD3、DQN等），理解On-policy/Off-policy、Model-free/Model-based等基本概念； 了解机器人运动学/动力学基础，理解关节空间、任务空间、阻抗控制、逆运动学等基本概念； 熟悉模仿学习（行为克隆、DAgger、BC-RNN等）或示教学习者优先。3.工程能力： 熟练使用Python，有良好的代码规范； 熟悉至少一种深度学习框架（PyTorch优先，TensorFlow亦可）； 熟悉Linux开发环境，了解Shell、Git等基础工具。4.仿真经验：至少熟练使用一种机器人仿真环境（Isaac Gym/Sim、MuJoCo、PyBullet、Webots、Gazebo等）。加分项（满足任意一条即可）1.有真实机器人（机械臂如UR、Franka、xArm；或四足机器人如Unitree、ANYmal；或移动机器人）开发与部署经验；2.有Sim-to-Real实际落地经验，或对域随机化、系统辨识、动力学适配等有深入理解；3.熟悉C++，有ROS/ROS2开发经验，能进行机器人底层通信与控制接口开发；4.熟悉传统控制方法（PID、MPC、计算力矩控制等）或运动规划（RRT、A*、轨迹优化等）；5.在CoRL、ICRA、IROS、NeurIPS、ICML、RSS等顶会/顶刊发表过相关论文；6.有机器人竞赛（RoboMaster、RoboCup、DAC、ICRA机器人抓取与操作竞赛等）获奖经历；7.熟悉并行仿真训练（如利用RPC、Sample Factory、Envpool等技术加速训练）。 投递...
