职位描述1、冒烟测试：负责每日/每次代码合入后的快速冒烟测试，验证RL策略能否正常加载、关节使能、执行基础动作（站立/前进/转向），确保无崩溃、飞车、失稳等阻断性问题； 2、测试用例设计：根据RL策略的功能需求（如步态切换、爬坡、抗冲击）设计测试场景与用例，明确观测指标、判定标准及数据采集要求； 3、数据采集与管理：负责实机测试中ROS Bag的录制、管理及预处理，确保关键信号（关节状态、IMU、动作指令、奖励函数各项）完整同步； 4、问题复现与分析：通过回放ROS Bag进行问题复现，结合rqt、PlotJuggler等工具分析策略失效原因，区分策略缺陷还是观测/驱动异常； 5、RL策略测试：验证基于强化学习的运动控制策略的Sim2Real泛化性、鲁棒性与安全性； 6、失效分析：对策略的异常行为（如颤抖、漂移、突跳、摔倒不可恢复）进行可复现性提炼，并反馈至训练配置或奖励函数调整；任职要求1、基础背景：本科及以上，自动化、机器人、计算机、人工智能等相关专业； 2、ROS能力：熟练掌握ROS(1/2)，能灵活使用rosbag record/play/info、rostopic echo等命令，并能编写脚本对Bag进行自动化解析与指标提取； 3、测试用例设计：能根据需求文档独立设计测试用例，运用等价类划分、边界值分析等方法覆盖常规与异常场景；熟悉冒烟测试、回归测试流程； 4、问题定位：具备扎实的缺陷分析与定位能力，能阅读代码并利用日志等快速定位问题，能区分“策略缺陷 vs. 底层驱动问题 vs. 传感器噪声”，协助算法与嵌入式团队交叉定位； 5、仿真工具：熟悉至少一种机器人仿真器（Mujoco/Isaac Gym/Gazebo），能在仿真环境中执行冒烟测试； 6、实机调试：具备机器人实机调试经验，了解基本的安全保护逻辑（急停、限位、阻尼控制）； 7、RL认知：了解强化学习基本概念（状态、动作、奖励），能理解策略输入输出含义。
