虹软科技
27届校招提前批-具身智能（机器人）小脑算法工程师
27届校招提前批-具身智能（机器人）小脑算法工程师
发布于 大约 17 小时前普通员工/个人贡献者
杭州市
初级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Sim-To-Real
强化学习
机器人运动控制
运动学/动力学建模
Ppo
Ros/Ros2
Sac
AI 估算 · 25k–40k
校招提前批硕士起薪较高，虹软上市大厂，具身智能前沿方向，薪资有竞争力。
职位详情
关于这个职位
该职位是虹软科技面向27届硕博的校招提前批，聚焦具身智能机器人的小脑算法，即运动控制与灵巧操作
你将负责全身运动控制、基于强化学习的策略训练、Sim-to-Real迁移以及复杂场景攻坚，与硬件和认知算法团队紧密协作，打通机器人从感知到控制的完整链路
适合对机器人运动控制有浓厚兴趣、具备扎实数学和编程基础的同学
最低要求
自动化、机器人、计算机等相关专业硕士及以上学历，具备扎实的数学与控制理论基础
精通 Python/C++（具备优秀的多线程与内存管理能力），熟悉 Linux 及 ROS/ROS2 开发环境
熟练掌握机器人运动学/动力学建模，精通 PPO/SAC 等强化学习算法及主流仿真平台
工作职责
全身运动与灵巧操作：负责人形/四足机器人及机械臂的全身运动控制（WBC）、力控/柔顺控制与灵巧操作算法的研发与持续迭代
策略训练与调优：基于强化学习（RL）与模仿学习（IL），在 Isaac Sim/Gym/MuJoCo 等高保真仿真平台中进行高难度策略训练、调优与性能评估
Sim-to-Real 迁移：设计并实施域随机化（Domain Randomization）与系统辨识方案，攻克 Sim-to-Real Gap，实现控制策略在真机上的敏捷、稳定部署
复杂场景攻坚：解决机器人在复杂动态环境下的敏捷移动、双臂协同抓取及工具使用等高难度操作任务，保障真机运行的稳定性与鲁棒性
跨团队协同：与硬件及认知算法团队紧密协作，打通从感知、决策到底层控制的完整链路
优先资格
具备人形/双足/四足/机械臂+灵巧手真机 Sim2Real 成功部署经验者优先
有 RoboMaster/RoboCup 等顶级机器人竞赛获奖经历，或在机器人领域顶会（CoRL/ICRA/IROS/RSS等）发表论文者优先
AI 洞察
优缺点分析
优点
- 聚焦具身智能前沿方向，技术壁垒高，未来发展空间大
- 虹软科技上市大厂，项目资源丰富，真机部署机会多，能积累宝贵经验
- 团队协同紧密，能接触从感知到控制的完整链路，快速成长
- 对数学和编程功底要求极高，学习曲线陡峭
- Sim-to-Real迁移是难点，需要大量调试和实验，工作强度可能较大
- 校招提前批竞争激烈，需有相关项目或竞赛背景
- 适合对机器人运动控制有强烈兴趣、具备扎实数理基础和编程能力，且愿意在技术深水区钻研的硕博应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向成长为机器人运动控制专家，深入算法底层优化与创新
- 横向拓展至感知、决策等上游模块，成为全栈机器人算法工程师
- 可晋升为技术负责人或团队Leader，带领具身智能方向团队
- 开发人形/四足机器人的全身运动控制算法，包括力控、柔顺控制与灵巧操作
- 在仿真环境中训练基于强化学习的控制策略，并进行调优和评估
- 将仿真策略迁移到真实机器人上，解决Sim-to-Real Gap，实现稳定部署
- 参与复杂场景攻坚，如动态环境移动、双臂协同抓取，并与硬件和认知团队协作
- 精通Python和C++，熟悉Linux和ROS/ROS2开发环境
- 扎实的机器人运动学/动力学建模基础，熟练使用PPO、SAC等强化学习算法
- 熟悉Isaac Sim、MuJoCo等仿真平台，具备Sim-to-Real迁移经验者优先
- 良好的数学和控制理论基础，能解决复杂动态环境下的控制问题
申请策略
- 了解虹软在机器人领域的布局和产品方向，在面试中展示对该方向的热情
- 准备一段能体现你动手能力的代码或Demo，如仿真中训练一个简单控制策略
- 突出机器人运动控制相关项目，如双足/四足机器人控制、机械臂操作等
- 强调强化学习算法应用经验，PPO/SAC等具体实现和调优细节
- 如有Sim-to-Real迁移经验或机器人竞赛获奖经历，需重点展示
- 系统复习机器人学（运动学/动力学）、强化学习原理，动手复现经典算法
- 熟悉ROS/ROS2和至少一种仿真平台（如Isaac Sim、MuJoCo），尝试运行官方示例
面试指南
- 对于理论推导题，先写下公式，再解释每一步的物理意义，最后举例说明应用场景
- 对于项目经验题，用STAR法则：背景（Situation）、任务（Task）、行动（Action）、结果（Result），突出难点和你的贡献
- 对于开放性问题，先给出定性分析，再列出具体方法，最后用个人经验佐证
- 请推导一个机械臂的正运动学模型
- PPO算法的核心思想和关键技巧是什么？如何调优？
- 描述一次你成功将仿真策略迁移到真机的经历，遇到哪些问题？如何解决？
- 如何在仿真中设计域随机化？具体策略有哪些？
- 解释全身运动控制（WBC）和传统运动规划的区别
职位点评
71
综合评分
前沿技术方向、高学习价值、薪资有竞争力，但工作强度可能较大，适合技术驱动型应届生。
更适合这类人
最适合追求技术成长和前沿方向、愿意在职业生涯早期投入高强度学习的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活50
使命价值75
薪资福利
70中等
虹软为上市大厂，薪资在校招中具有竞争力，且提供完善的福利体系，但具体薪资未在JD中提及，需面试后确认。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
该职位属于具身智能前沿方向，技术栈新且涉及大量算法创新，能提供丰富的成长机会，但JD未明确提及培训或晋升通道。
技术前沿前沿/新兴技术
技术栈机器人运动控制、强化学习、PPO、SAC、Sim-to-Real、Isaac Sim、MuJoCo
业务类型ambiguous
工作生活
50较低
仅现场办公，未提及弹性工作或远程，且机器人算法岗位可能涉及大量调试，加班风险较高。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
具身智能是人工智能领域的明珠，社会价值高，技术突破能推动机器人产业进步，但JD未明确使命感表述。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs