职位描述1.设计并实现面向机器人端到端导航的强化学习训练框架，提升机器人在稀疏场景的泛化能力； 2.研发适用于机器人导航决策、路径规划和交互博弈的强化学习算法，包括但不限于GRPO、PPO和DPO等，解决机器人跟随、避障场景中的安全性和长尾场景问题。任职要求1.计算机、人工智能、机器人、自动化、电子信息等相关专业硕士以上学历。 2. 熟悉GRPO、 PPO和DPO等强化学习算法； 3. 熟悉VLA/VLN/WAM等主流端到端模型； 4. 有机器人或自动驾驶强化学习相关经验者优先； 5.在CoRL、RSS、ICRA、NeurIPS、CVPR等机器人或AI顶会发表论文者优先。
