具身智能 Benchmark 与 RL-Env算法工程师
职位描述
岗位简介
参与 RoboFinals 的 Benchmark 与强化学习环境研发，从真实世界的一线需求出发，构建具有实际价值的机器人任务、学习环境与评测标准，揭示模型、本体和系统的能力边界，推动具身智能走向实际应用。
核心职责
- Benchmark 研究与设计：结合前沿研究与一线应用，识别值得衡量的关键能力和现有评测的不足；设计任务分类、能力覆盖、难度分层，以及跨物体、场景和任务组合的泛化测试，通过实验验证评测的代表性与区分度。
- RL 环境研发：将真实任务转化为可执行的交互环境，开发观测、动作、重置与终止接口，设计 Rubrics、Reward 和自动验证器；通过基线实验检验任务可学习性、奖励有效性与奖励投机风险。
- 仿真开发与本体适配：完成资产、机器人模型及传感器接入，开发并调试任务环境；结合本体的可达性、操作精度、末端执行器与感知范围分析任务约束，解决接触、碰撞及运行稳定性问题。
- 评测系统落地：实现成功率、子目标进度、执行效率及约束违反等指标，建立独立测试集与回归评测；校准评分规则，验证结果可复现性，区分策略、本体、环境与系统问题，支持一线应用验证。任职要求
- 研究品味与评测判断力：持续关注具身智能与大模型前沿，对哪些能力值得衡量、现有评测遗漏了什么、怎样的任务能够揭示能力边界有独立判断；能够提出有价值的评测问题，并通过严谨实验验证指标是否真实反映目标能力。
- RL 基础与实践：掌握 MDP、策略与价值函数、回报、优势估计和策略优化等基础，了解 PPO、GRPO 等方法及适用场景；理解 Rubrics、Reward 与 Verifier 的关系，具备奖励设计与调试能力。
- 机器人与仿真理解及开发能力：理解运动学、坐标变换、关节限位、末端执行器和传感器配置，以及碰撞、摩擦、质量与惯量、求解器配置和仿真步长对结果的影响；熟悉 Isaac Lab／Isaac Sim、MuJoCo、Newton 等平台中的至少一种，能够独立开发和调试任务环境。
- 工程与实验能力：熟练使用 Python，有 Benchmark、RL 环境、机器人仿真或模型评测项目经验；理解训练与测试隔离、数据泄漏和统计可靠性，能够从需求定义推进到可复现交付。
- 敏捷研发与协作能力：熟练使用 Codex、Claude Code 等编程工具，能够快速理解复杂代码库、实现原型并验证结果，具备跨团队协作能力，对实现质量与交付结果负责。
加分项
- 有高质量的 Benchmark、评测框架、研究论文或开源项目。
- 有 LLM／VLM／VLA 评测与 RL 训练经验。
- 有遥操作、真机调试或部署经验。
