中联重科
强化学习算法专家
强化学习算法专家
发布于 12 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Ddpg
Offline Rl
Online Rl
Ppo
Sac
Sim-To-Real
强化学习
机器人控制
值不值得投
72综合评分
综合评分 72
前沿强化学习+机器人方向，技术成长性强，专家级要求高，WLB 与薪酬信息待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比具身智能中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
7 个在招 · 其中具身智能 5 个
市场机会
选择不多
长沙 · 具身智能 · 5 个在招
职位详情
关于这个职位
该职位负责中联重科强化学习技术路线的整体规划与算法框架设计，主导 Online/Offline RL、模仿学习、Human-in-the-loop RL、Model-based RL 等前沿方向研发，并搭建大规模并行训练系统、缩小 Sim-to-Real Gap，最终推动算法在双足行走、灵巧操作、双臂协同等机器人真机上落地
适合在连续控制与机器人强化学习方向有深厚积累的专家
最低要求
硕士及以上学历（博士优先），RL/控制/机器人方向
精通PPO/SAC/DDPG/TD3等连续控制算法
熟练使用MuJoCo/Isaac Gym/Isaac Sim
具备机器人真机部署经验（双足行走/灵巧操作/双臂协同）
工作职责
负责公司强化学习整体技术路线规划、算法框架设计及持续迭代优化
主导Online RL、Offline RL、Imitation Learning、Human-in-the-loop RL、Model-based RL研发
负责奖励函数设计、课程学习、探索策略、策略优化
建立大规模并行训练系统，优化Sim-to-Real Gap
与VLA/世界模型团队共同设计RL融合方案等
优先资格
博士优先
CoRL/RSS/ICRA/IROS论文优先
AI 洞察
优缺点分析
优点
- 处于强化学习+具身智能的前沿交叉方向，技术含量高、成长性强
- 依托大型装备制造企业的真实场景与硬件资源，可积累难得的真机部署经验
- 涉及 VLA/世界模型融合，技术视野开阔
- 强化学习落地难度大，Sim-to-Real Gap 调优需要大量实验与耐心
- 制造业背景下的研发节奏与互联网有所不同，需要适应
- 适合在强化学习、机器人控制方向有扎实积累，且对真机落地有热情、愿意长期深耕具身智能的中高级算法人才
缺点 / 挑战
- 硬核技术栈（连续控制+仿真+真机）要求高，门槛较高
角色解读
- 可在具身智能/机器人算法方向成长为技术负责人或首席科学家，也可跨向 VLA、世界模型等前沿融合领域
- 学术积累强的话可冲击顶会成果与更高技术职级
- 负责制定公司强化学习整体技术路线，设计并迭代算法框架
- 主导 Online/Offline RL、模仿学习、Model-based RL 等方向研发
- 搭建大规模并行训练系统并把算法迁移到机器人真机，缩小 Sim-to-Real Gap
- 需要精通 PPO/SAC/DDPG/TD3 等连续控制算法，熟练使用 MuJoCo、Isaac Gym、Isaac Sim 等仿真环境
- 具备机器人真机部署与调试经验
- 对奖励函数设计、课程学习、探索策略有深入理解
申请策略
- 提前了解中联重科在机器人/具身智能方向的业务布局与产品线，面试时能结合公司场景谈技术落地会加分
- 突出 RL 算法项目（尤其连续控制、PPO/SAC 等实际应用）
- 强调机器人真机部署与调试案例（双足、灵巧手、双臂协同）
- 列明 MuJoCo/Isaac Gym/Isaac Sim 使用经验
- 有 CoRL/RSS/ICRA/IROS 等顶会论文务必展示
- 补齐 Sim-to-Real 迁移与域随机化相关实践
- 加强对 VLA、世界模型等前沿方向的理解
- 可准备一个端到端的机器人 RL 项目作为作品集
面试指南
- 采用「问题—方案—验证—结果」的结构讲述项目
- 对算法问题先讲原理与选型理由，再讲工程落地细节与量化效果
- 结合真实真机案例说明权衡取舍
- 你如何设计奖励函数与课程学习来加速机器人训练收敛？
- 请描述一次你缩小 Sim-to-Real Gap 的具体实践与效果
- Online RL、Offline RL 与模仿学习在实际机器人任务中如何取舍与结合？
- 大规模并行训练系统的架构你如何设计？
- 如何与 VLA/世界模型团队协作设计 RL 融合方案？
职位点评
薪资福利70
成长发展88
工作生活50
使命价值78
薪资福利
70中等
JD 未披露具体薪资与福利，但专家级岗位与稀缺技能通常对应较高薪酬，补偿性预期有支撑。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
88较高
岗位处于强化学习与具身智能前沿，技术深度与成长空间大，且涉及 VLA/世界模型融合，发展性价值高。
技术前沿前沿/新兴技术
技术栈Online RL、Offline RL、Imitation Learning、Model-based RL、PPO、SAC、MuJoCo、Isaac Gym、Sim-to-Real、VLA
业务类型ambiguous
工作生活
50较低
JD 未提及工作模式、弹性或加班情况，且涉及真机部署可能需要现场投入，生活化信息不足。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
78中等
具身智能与机器人强化学习属于快速演进的赛道，技术成果可推动机器人智能化，具有一定前沿价值与行业前景。
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