Robot Control Algorithm Intern / Locomotion & Manipulation

机器人控制算法实习生

参与机器人运动控制、操作控制、仿真训练、轨迹规划、强化学习 / 模仿学习以及实机部署等工作。

PythonC++LocomotionManipulationMPC / RLSim-to-real

我们是一家具身智能应用方向的初创公司，致力于将 AI、机器人控制与真实场景应用结合，构建具备自主感知、决策和行动能力的智能机器人系统。

你将根据个人背景和兴趣，重点参与 Locomotion 或 Manipulation 方向，也有机会参与移动操作、人形机器人全身控制等交叉方向。候选人可重点匹配 Locomotion 或 Manipulation 任一方向；同时具备运动控制、操作控制和实机部署经验者优先。

岗位职责

参与机器人运动智能算法研发，包括 Locomotion、Manipulation、Whole-Body Control、Motion Planning 等方向。
参与四足、双足、人形机器人或移动机器人的运动控制算法开发，包括步态生成、平衡控制、足端轨迹、速度跟踪和姿态控制等。
参与机械臂、灵巧手或移动操作机器人的操作控制算法开发，包括抓取、轨迹规划、末端控制、阻抗控制、力控和视觉伺服等。
参与基于强化学习、模仿学习、轨迹优化、MPC 或传统控制方法的策略训练、调试和评估。
在仿真环境中搭建、训练和验证机器人运动或操作策略，并参与 sim-to-real 迁移。
参与机器人实机测试，分析关节状态、IMU、力/力矩、接触状态、相机、深度图、点云等数据。
阅读和复现机器人控制、具身智能、legged locomotion、robot manipulation、imitation learning、reinforcement learning 等方向的英文论文和开源项目。
与算法、软件和硬件团队协作，将算法模块集成到机器人系统中，提升系统稳定性、实时性和可维护性。

机器人、自动化、计算机、人工智能、机械、电子、控制等相关专业，本科高年级、硕士或博士在读优先。
熟悉机器人运动学、动力学、控制理论、路径规划、强化学习或模仿学习中的至少一个方向。
熟练使用 Python，具备良好的算法实现、实验分析和数据处理能力。
熟悉 C++，能够参与机器人控制、仿真、算法部署或系统集成相关开发。
熟悉 Linux 开发环境，熟练使用 Git 进行代码管理。
了解至少一种机器人仿真平台，例如 MuJoCo、Isaac Sim / Isaac Lab、Gazebo、PyBullet、Webots 等。
了解至少一种机器人算法方向，例如 Locomotion、Manipulation、Whole-Body Control、Motion Planning、MPC、RL、Imitation Learning、Diffusion Policy 等。
具备较好的数学基础，熟悉线性代数、优化、概率统计、经典控制或机器人动力学。
能够流畅阅读英文论文和技术文档，具备较强的自主学习能力和问题拆解能力。
对机器人和具身智能有强烈兴趣，愿意参与仿真调试、实机测试和复杂工程问题定位。

有四足机器人、双足机器人、人形机器人、机械臂、灵巧手、移动机器人或移动操作机器人项目经验。
有 legged locomotion、humanoid locomotion、arm manipulation、dexterous manipulation、bimanual manipulation 或 mobile manipulation 相关经验。
熟悉 ROS / ROS2，有机器人系统集成或实机部署经验。
熟悉 Pinocchio、Drake、RBDL、Raisim、OCS2、CasADi、MoveIt、cuRobo 等机器人动力学、控制或规划工具。
熟悉 PyTorch、JAX、Stable-Baselines3、rl-games、rsl_rl 等强化学习或深度学习框架。
有 sim-to-real 经验，理解控制频率、系统延迟、传感器噪声、接触不确定性、动力学随机化等工程问题。
有机器人遥操作、数据采集、模仿学习、行为克隆、Diffusion Policy、ACT 或 VLA 相关经验。
有视觉、深度相机、点云、力控、触觉传感器或多模态感知与操作结合经验。
有机器人竞赛、科研项目、开源项目、论文发表或可展示 demo。
熟悉使用 AI 编程工具，并能用于论文复现、代码开发和实验分析。