职位描述
岗位职责
算法研究：主导灵巧操作算法研究，聚焦 Real2Sim2Real 闭环、强化学习 / 模仿学习、多模态模型微调等方向，整合空间感知、运动规划等算法,推进技术路线规划与探索落地。
算法落地：将训练好的策略部署到真实机器人平台，完成端到端的真机验证与调优，推动算法从实验室走向产品。
基础设施建设：支持构建数据管线、训练框架、仿真平台、部署系统等基础设施，支撑算法团队的持续迭代与规模化。
团队协作：与硬件、产品团队紧密协作，定义技术 Demo 场景，交付可演示的技术能力，支撑商业增长。
外部合作：参与开源策略制定与外部研究合作，保持对前沿动态的敏锐跟踪。任职要求
任职要求
基本要求
机器人学习、具身智能、计算机视觉、强化学习、机械电子等相关专业，研究型本科及以上（硕士、博士优先）。
熟悉机器学习、强化学习、深度学习的基础理论，有机器人学习或具身智能相关研究 / 工程经验。
熟悉任意一种仿真平台（Isaac Sim / MuJoCo / Gazebo 等均可）。
具备独立思考、分析并解决问题的能力，有实际研究或工程经验者优先。
具备良好的英文阅读能力，能够查阅专业文献。
附加项（必须满足其一，其余为加分项）
有模仿学习、强化学习、VLA 或多模态大模型方向的研究成果或项目经验。
有将算法部署到真实机器人系统的端到端经验（从训练到真机验证全流程）。
有顶会（RSS / CoRL / NeurIPS / ICLR / CVPR 等）或顶刊论文发表经验。
熟悉 Isaac Gym / DexCap / UMI / ALOHA 等训练 / 数据采集方案。
有具身智能相关的开源项目贡献经历或积极参与学术社区的经历。
你能获得
在高自由度灵巧操作这个具身智能最有挑战性的方向上，做真正有影响力的工作。
直接参与公司核心算法从研究到落地的全流程，不是写论文，是真正让机器人动起来。
与资深工程师共事，技术氛围开放、扁平、重实效。
有竞争力的薪酬 + 充足的成长空间，表现优秀者有参与核心技术决策的机会。
参与开源策略制定，支持外部学术合作，保持与前沿社区的连接。
