职位描述
【职位定位】
面向人形机器人的灵巧手操作与移动能力，参与强化学习、模仿学习、Sim2Real 控制策略以及灵巧手遥操作与人机接口算法研发 —— 从仿真训练到真机落地的完整闭环。
【职位描述】
方向一 · 学习型控制策略（RL / IL）
1. 参与基于强化学习/模仿学习的控制策略开发，覆盖多指灵巧手手内操作（21 自由度全驱动手：手内重定向、动态平衡等接触丰富任务）、上肢与全身协同、腿式移动与动作跟踪。
2. 参与仿真训练环境、任务场景与奖励设计（MuJoCo / Isaac 系并行仿真），在大规模并行下做训练效率与稳定性调优。
3. 参与域随机化体系建设与单项敏感度消融：接触摩擦、质量/质心/惯量、执行器增益与力矩饱和、安装公差、观测与命令时延等，定位真正影响迁移的关键项。
4. 参与物理参数辨识与 Sim2Real 对齐：设计真机激励轨迹，辨识库仑摩擦/死区、执行器饱和与最大速度、差分机构耦合、控制链路时延，把仿真模型标定到实机。
方向二 · 灵巧手遥操作与人机接口
5. 参与灵巧手遥操作算法开发：人手姿态 → 多指手关节空间的运动重定向（retargeting），处理人手与机械手在自由度、连杆比例、耦合机构、关节限位上的结构差异；实现精度与可操作性兼顾的映射与优化求解。
6. 参与遥操作数据源接入与融合：VR 头显/手柄、动捕手套、视觉手部姿态估计等；处理坐标系标定与参考系变换、增量/绝对模式切换、进入退出与 hold 释放时的平滑过渡。
7. 参与遥操作链路的实时性与安全性工程：跨设备时延与频率对齐、丢帧与抖动抑制、奇异位形与不可达目标处理、失联/异常时的安全冻结策略。
8. 参与触觉/力反馈通道建设（指尖视触觉传感器接入与标定），并支撑遥操作数据采集，为模仿学习与 VLA 类上游模型提供高质量演示数据。
共同职责
9. 与机械、硬件、嵌入式、感知、测试团队协作，推动算法在实体机器人上稳定落地；参与真机调试、问题定位与迭代。任职要求
1. 2027 届硕士研究生及以上学历（在读期间可保证每周 4 天以上、连续 3 个月以上实习），机器人、人工智能、自动化、计算机、控制等相关专业，博士优先。
2. 具备机器人运动学/动力学与控制基础：熟悉正逆运动学、雅可比、优化型 IK（QP/SQP）、坐标系变换与四元数运算；了解 MPC、全身控制、轨迹跟踪等方法。
3. 熟练使用 Python，具备良好的工程实现与实验分析能力：能自己搭训练/评测/回灌分析脚本，会用统计口径判断一个改动是真提升还是噪声。
4. 偏方向一者：熟悉 RL/IL/DL 中的一种或多种，理解 PPO、SAC、BC、Diffusion Policy 等基本思想；有 Isaac Gym / Isaac Sim / MuJoCo 使用经验，理解接触求解、约束、时间步与并行环境的实际行为者优先。
5. 偏方向二者：有遥操作、动作重定向、人手姿态估计/动捕、VR 交互、示教数据采集任一方向的项目经验；熟悉 Pinocchio / Placo / KDL / MuJoCo 等运动学库，或做过实时控制/多进程通信系统者优先。
6. 加分项：多指手 / 足式机器人 / 机械臂真机部署经验；Sim2Real 或系统辨识经验；触觉或力控经验；熟悉 Linux、CAN / EtherCAT、ROS / ROS2 或类似实时中间件；C++ 能力；机器人顶会论文（RSS / CoRL / ICRA / IROS / RAL）、竞赛或开源项目成果。
