禾赛
AI运控工程师(机器人驱动)
AI运控工程师(机器人驱动)
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公机器人开发
机器人开发
Ros
嵌入式部署
强化学习
模仿学习
轨迹规划
值不值得投
77综合评分
综合评分 77
技术驱动型岗位，AI与机器人控制前沿，成长性强，工作模式与强度需确认。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
28K
比机器人开发中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
66 个在招
市场机会
选择面较广
上海 · 机器人开发 · 63 个在招
职位详情
关于这个职位
作为公司的AI运控工程师，你将负责基于强化学习、模仿学习等AI算法进行机器人运动控制算法的核心研发与优化
工作涵盖从算法设计、仿真环境搭建（Isaac sim, Mujoco）到对接硬件、完成嵌入式部署与调试的全流程，最终推动机器人控制技术的创新与落地
最低要求
硕士及以上学历，自动化、机器人工程等相关专业，3年及以上相关研发经验（优秀应届生可放宽）
精通机器人运动学、动力学建模，具备扎实的控制理论基础，熟练掌握至少一种AI算法在运动控制中的应用
熟练使用C/C++、Python，熟悉ROS、Mujoco、Isaac sim等工具，能独立完成算法开发与调试
了解机器人硬件特性，有嵌入式控制部署经验者优先
工作职责
负责基于AI算法（强化学习、模仿学习等）的机器人运动控制算法设计、开发与优化，涵盖轨迹规划、步态控制等核心模块
搭建Isaac sim、Mujoco等仿真环境，完成算法仿真、参数调优，保障控制精度与稳定性
对接机器人硬件，完成控制算法嵌入式部署与调试，深入分析并解决sim2real gap问题
跟踪行业前沿技术，参与技术调研与方案论证，推动技术创新及产品落地
配合团队完成文档编写与跨部门协同
优先资格
有嵌入式控制部署经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿：工作涉及AI与机器人控制的交叉领域，能接触到强化学习、仿真部署等最新技术
- 产品落地：参与从算法到实体的完整链条，能直观看到自己的代码驱动机器人运动，成就感强
- 行业前景：机器人技术（尤其是具身智能）是当前极具发展潜力的赛道
- 跨领域协作：需要与硬件、机械、软件等多个团队紧密配合，沟通协调能力很重要
- 结果导向：算法效果直接影响机器人性能，可能需要反复调试和优化，对耐心和细致度要求高
- 适合对机器人学和人工智能有浓厚兴趣，具备扎实数学与编程基础，喜欢动手解决复杂工程问题，并渴望看到自己算法在实体硬件上运行的求职者
缺点 / 挑战
- 技术复杂度高：需要同时具备深厚的理论功底和强大的工程实践能力，尤其是解决sim2real gap问题极具挑战
角色解读
- 技术专家路线：深耕机器人算法领域，成为运动控制、具身智能或Sim2Real方向的资深专家
- 技术管理路线：带领算法团队，负责整体机器人运动控制方案的规划与落地
- 产品/创业路线：凭借技术积累，转向机器人产品经理或参与机器人相关创业
- 设计与优化机器人的核心运动控制算法，让机器人能够灵活、稳定地完成预设动作或自主运动
- 在仿真环境中测试和调试算法（如Isaac sim, Mujoco），以降低真实世界部署的风险和成本
- 将算法部署到机器人硬件上，解决仿真与现实之间的差距，确保控制效果达到产品要求
- 掌握扎实的机器人学基础，包括运动学、动力学建模和经典控制理论
- 精通至少一种先进的AI控制算法（如强化学习、模仿学习），并能将其应用于实际运动控制任务
- 具备出色的编程能力（C/C++, Python）和仿真环境操作经验（ROS, Mujoco, Isaac sim），能独立完成从算法到部署的全流程
申请策略
- 仔细研究禾赛在机器人或自动驾驶感知-决策-控制全栈上的技术布局，思考你的技能如何融入其产品
- 在面试中，准备好用STAR法则（情境、任务、行动、结果）讲述你处理过的最具挑战性的算法或工程问题
- 突出机器人/运动控制相关的项目经历，尤其是涉及算法设计、仿真和硬件部署的完整经验
- 详细描述你使用C/C++、Python、ROS、Mujoco等工具解决具体问题的案例和成果
- 如果实习或项目中有涉及Sim2Real、强化学习等技术，务必重点强调其解决的实际问题和最终效果
- 系统复习机器人学基础理论（如DH参数、拉格朗日动力学），确保能清晰阐述
- 通过开源项目或个人实验，深化对ROS、Mujoco等仿真平台的使用，并尝试将算法部署到真实或模拟机器人上
面试指南
- 对于技术问题，采用“问题背景-我的思路-具体方案-遇到的困难-如何解决-最终结果与反思”的结构来回答
- 对于方案设计类问题，遵循“明确需求-拆解子问题-选择技术路线-考虑实现与评估”的逻辑框架
- 强调自己解决复杂问题的系统性思维、动手能力和从失败中学习的能力
- 请介绍一个你用AI算法（如强化学习）解决过的机器人控制问题，具体技术方案是什么？
- 在Sim2Real过程中，你遇到过哪些主要问题？你又是如何分析和解决它们的？
- 如何评估一个运动控制算法的优劣？你会关注哪些性能指标？
- 如果让你为我们的某款机器人设计一个新的运动控制功能，你的思路和步骤会是怎样的？
- 深入复习机器人运动控制的核心算法（如PID、MPC、强化学习策略梯度方法）的原理与适用场景
职位点评
薪资福利75
成长发展90
工作生活60
使命价值80
薪资福利
75中等
公司已上市且规模大，为该高技术岗位提供市场水准的薪资具有合理性，但JD未明确披露具体薪资和福利细节。
薪资信号未披露（AI估算：2–3.5万/月）
成长发展
90较高
岗位涉及AI、机器人控制、仿真与嵌入式部署等前沿技术领域，技能成长路径清晰，且明确提及“跟踪行业前沿技术”与“推动技术创新”。
技术前沿前沿/新兴技术
技术栈强化学习、模仿学习、Isaac sim、Mujoco、ROS、嵌入式部署
成长机会跟踪行业前沿技术、参与技术调研与方案论证、推动技术创新及产品落地
业务类型ambiguous
工作生活
60中等
JD未提及任何工作模式信息（如远程、弹性），且机器人开发通常需要现场办公与硬件对接，工作强度可能较高。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
机器人技术处于人工智能与实体经济结合的前沿，推动机器人智能化具有明确的社会价值和产业意义，岗位描述也强调技术创新与产品落地。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动技术创新及产品落地
创新程度积极采用新技术
Watch Jobs