职位描述
岗位职责
1. 参与轮足机器人全身运控的强化学习方案研究与实现,包括奖励设计、观测与动作空间设计、课程学习与域随机化等。
2. 结合 model-based 方法(如动力学建模、MPC/WBC、轨迹优化等)与 RL 的融合,提升运动精度(速度/位置跟踪、姿态保持)和稳定性(抗扰、复杂地形、轮足模式切换)。
3. 探索视觉感知信息接入控制策略的方式, 如感知编码、师生蒸馏、sim-to-real 的感知差异处理。
4. 参与仿真环境搭建与维护、训练实验管理、结果分析和消融对比。
5. 参与实机调试与数据采集,协助定位 sim-to-real 差距并给出改进方案。任职要求
基本要求
• 机器人、自动化、控制、计算机或相关专业在读硕士/博士(优秀本科生亦可)。
• 具备扎实的 model-based 背景:熟悉机器人运动学与动力学、刚体建模、经典控制,最好了解 MPC、WBC 或轨迹优化中的一种以上。
• 有实际使用 RL 的经验:熟练使用 PPO 等主流算法,在 Isaac Gym / Isaac Lab / MuJoCo 等平台上训练过机器人策略,理解奖励设计和训练调参。
• 能独立排查问题,实验记录规范,愿意把问题讲清楚并与同事沟通。
