強化學習算法工程師

崗位職責
1 算法研發與創新： 負責設計、實現和測試基于強化學習的機器人運動控制策略，包括但不限于步態生成、平衡控制、軌跡規劃、全身協調控制等。
2 仿真環境構建： 搭建高保真、高效率的物理仿真環境，用于大規模并行訓練和快速算法迭代。優化仿真與現實的差異。
3 獎勵函數設計： 針對復雜的運動任務，設計合理、高效的獎勵函數，引導智能體學習穩定、節能、符合物理規律的運動技能。
4 Sim-to-Real 技術攻關： 主導并解決強化學習策略從仿真遷移到實體機器人過程中的關鍵問題，如系統延遲、模型失配、傳感器噪聲等，確保算法在真實世界中的穩定性和魯棒性。
5 系統集成與部署： 將訓練好的神經網絡模型部署到機器人的實時控制系統中（如ROS 2），并與底層控制器（如MPC、WBC）進行集成和
6
技術跟蹤與研究： 持續跟蹤國際前沿的強化學習與機器人控制技術，并將有價值的新方法應用于實際項目，推動技術革新。