职位描述
岗位职责：
1. 仿真环境构建与校准（Sim2Sim / Real2Sim）
设计并实现机器人仿真平台（基于 MuJoCo、Isaac Sim、Gazebo 等）的物理参数自动校准框架，打通从真实系统到仿真模型的参数映射。
开发 sim2sim 工具链，实现不同仿真器之间的模型一致性转换与复用，提升仿真资产的可迁移性。
建立仿真置信度评估体系，量化仿真与现实之间的动力学、传感器误差，持续迭代模型精度。
2. 动力学与物理参数辨识
负责多自由度机器人系统的动力学参数辨识（惯性、摩擦、传动、柔性等），设计激励轨迹与数据处理流程，保证辨识结果可直接用于控制与仿真。
融合多源传感数据（关节力矩、编码器、IMU、力传感器）进行参数辨识，并处理传感器噪声、未建模动态等实际问题。
3. 底层运控基础设施
主导搭建统一的机器人底层控制框架（如状态估计、力矩控制接口、模型库），支持多种机型（机械臂、足式、人形）的快速接入。
构建模型驱动的控制中间件，实现动力学模型、碰撞模型、接触模型的标准化调用，为上层规划与 MPC 提供高性能支撑。
开发自动化的模型验证与回归测试平台，确保每一次模型更新都能在仿真与实物中得到可靠验证。
4. 支撑算法落地与迭代
与规划、控制算法团队紧密配合，提供精准的仿真环境和物理模型，加速算法研发与调试。
参与关键控制算法的设计与实现（如模型预测控制、力/阻抗控制），确保模型与算法的高度协同。
跟踪前沿技术（如可微物理、基于学习的系统辨识），持续引入新技术提升仿真与现实的一致性。
1. 教育背景与经验
硕士及以上学历，机器人、控制、计算机、机械电子等相关专业，5 年以上机器人领域研发经验（博士可适当放宽）。
具备至少一款机器人（机械臂/足式/人形）从仿真到实物的完整落地经验，并有主导仿真与系统组件的经历。
2. 仿真与辨识能力
精通至少一种主流物理仿真引擎（MuJoCo、Isaac Sim、Bullet、Gazebo），熟悉其底层物理参数配置与二次开发。
熟悉机器人动力学建模方法（牛顿-欧拉/拉格朗日），具备丰富的动力学辨识与参数校准实战经验。
熟悉数值优化、滤波算法（卡尔曼滤波、非线性优化）及系统辨识理论。
3. 工程与编程能力
熟练掌握 C++ 和 Python，具备良好的代码工程化能力，有大型机器人软件框架（如 ROS/ROS2、OpenRTM）开发经验。
熟悉 Eigen、Pinocchio、RBDL、CasADi 等动力学或优化库。
了解常见控制框架（如 OCS2、mujoco_mpc）者优先。
4. 系统架构思维
具备系统级思考能力，能设计可扩展、可维护的运控基础设施，兼顾精度、实时性与易用性。
有跨团队协作经验，能与硬件、算法、软件团队高效沟通。
5. 加分项
有接触建模、柔性体仿真或多体动力学分析经验。
熟悉可微物理仿真或基于学习的系统辨识方法。
在机器人顶会/期刊（ICRA、IROS、TRO、RAL）发表过相关论文。
有开源项目贡献或维护经验。
立即投递
