到岗时间：不限
婚况要求：不限
岗位职责：
1.研发基于深度强化学习的机器人操作技能训练算法（PPO/SAC/TD3/PPX）；
2.设计双臂协调、灵巧手操作等复杂任务的RL训练框架与奖励函数；
3.构建从仿真到真机（sim-to-real）的迁移流水线，包括Domain Randomization；
4.优化RL训练效率，包括样本效率提升、分布式rollout、GPU利用率优化；
5.与预训练团队协作，设计从预训练模型到RL精调的衔接方案；
6.研究如何将模仿学习与强化学习结合（IL RL），提升策略泛化能力。
任职资格：
1.具备头部高校计算机/机器人/强化学习/机器学习等相关专业硕士及以上学历
2.2年以上深度强化学习算法研发相关经验；
3.扎实的强化学习基础（PPO、GRPO、SAC、TD-MPC等），有真实机器人RL部署经验者优先；
4.熟悉模仿学习算法（ACT、Diffusion Policy、BC-Z等）并有落地经验；
5.有高度的安全意识，深刻理解真实机器人训练风险。
求职提醒：求职过程请勿缴纳费用，谨防诈骗！若信息不实请举报。
