均胜电子
力控算法工程师
力控算法工程师
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/Ros2
Sim2Real
Vla
力位混合控制
力控算法
导纳控制
阻抗控制
值不值得投
72综合评分
综合评分 72
前沿具身智能力控岗位，技术成长空间大，薪资与办公模式信息未披露，WLB 需主动确认
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
3.3万
与机器人开发中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
17 个在招 · 其中机器人开发 3 个
市场机会
选择面较广
上海 · 机器人开发 · 约 120 个在招
职位详情
关于这个职位
你将负责协作机器人、人形机器人的力控算法研发，把 VLA 模型输出的动作意图转化为带力觉反馈的柔顺执行策略，涉及阻抗/导纳控制、6D 力传感器数据处理与 Sim2Real 迁移
岗位覆盖从方案设计、仿真验证到真机整机联调的完整闭环，是具身智能落地接触类操作任务的核心环节
最低要求
经验要求：
· 具有3年以上机器人运动控制/力控算法研发经验，有工业机械臂、协作机器人或人形机器人真机力控落地经验者优先
能力要求：
全日制本科及以上，机器人学、控制科学与工程、机电一体化、机械电子等相关专业（985/211优先）
深入理解阻抗/导纳控制、力位混合控制、接触动力学与摩擦补偿，熟悉PID/LQR/MPC等底层控制方法的工程实现
熟悉机器人运动学/动力学（DH参数、URDF、雅可比矩阵）、ROS/ROS2通信机制，了解实时控制系统（RT）与关节伺服接口
熟悉6D力/力矩传感器（ATI等）的标定、滤波与数据处理，有多传感器融合经验者优先
熟悉MuJoCo/Isaac Sim/PyBullet接触仿真，有Sim2Real力控迁移或参数辨识经验者优先
精通C++/Python，具备良好的工程化编码习惯，熟悉Git、CI/CD与单元测试
自驱力强、目标导向，具备跨团队协作与沟通能力，能独立推进从方案设计到真机验证的完整闭环
工作职责
研发基于力/力矩传感器的柔顺控制算法（阻抗控制/导纳控制/力位混合控制/直接力控制），实现机器人在接触任务中的安全、柔顺、高精度操作
设计「VLA高层决策 + 底层力控」分层控制架构：将VLA模型输出的动作意图（末端位姿/速度指令）转化为带力觉反馈的柔顺执行策略，解决刚性接触下的轨迹跟踪与力跟踪问题
开发力觉数据采集与处理管线：6D力/力矩传感器标定、零点漂移补偿、滤波去噪、多传感器时间同步，为数据闭环提供高质量力觉通道数据
负责遥操作系统力反馈设计：实现人手操作力觉的采集、复现与渲染，提升遥操作数据采集的质量与多样性
搭建力控仿真验证环境（MuJoCo/Isaac Sim接触模型、刚度/阻尼参数辨识），实现力控策略的Sim2Real迁移
与机器人软件系统、推理部署、仿真评测团队协同，完成力控模块在真机上的整机联调与稳定性保障
建立力控性能评估体系：接触力超调量、稳定裕度、力跟踪误差、任务成功率等指标的量化度量与持续优化
优先资格
加分项：了解VLA/模仿学习/强化学习（RL）力控、Diffusion Policy动作生成，有学习型控制经验者优先
具备视觉/多模态感知融合经验（视觉+力觉联合控制）者优先
AI 洞察
优缺点分析
优点
- 方向前沿：力控与 VLA 分层架构是具身智能落地接触类操作的关键问题，技术积累具有长期价值
- 闭环完整：从算法设计、仿真验证到真机联调全流程参与，可积累稀缺的真机力控落地经验
- 预研定位：通常给予较大的技术探索空间，可参与方案选型与方法论建设
- 技术栈复合：控制理论、仿真与学习型控制交叉，人才市场稀缺度高
- Sim2Real 落差大：接触动力学对建模与参数辨识极为敏感，真机调试周期长、试错成本高，需要耐心与抗压能力
- 跨团队协同成本不低：需与软件、推理部署、仿真评测多方对齐接口与节奏
- 适合控制、机器人或机电背景，具备真机调试热情，并愿意在具身智能方向长期深耕的工程师
缺点 / 挑战
- 门槛较高：需要同时具备控制理论深度、机器人学基础和扎实的 C++ 工程能力，学习曲线陡峭
角色解读
- 纵向可从力控算法工程师成长为高级算法工程师或技术专家，主导力控与 VLA 结合的整体架构设计
- 横向可向具身智能大模型、模仿学习/强化学习等学习型控制方向拓展，成为控制与 AI 交叉的复合型人才
- 岗位设在算法预研中心，有机会参与从 0 到 1 的技术选型，成果可迁移到协作机器人、人形机器人产品线
- 研发基于力/力矩传感器的柔顺控制算法（阻抗、导纳、力位混合、直接力控），让机器人完成接触类任务时既安全又精准
- 构建「VLA 高层决策 + 底层力控」的分层架构，把模型的位姿/速度意图翻译成带力觉反馈的执行策略
- 搭建力觉数据采集与仿真验证管线，包括 6D 传感器标定、滤波、时间同步以及 MuJoCo/Isaac Sim 接触仿真与 Sim2Real 迁移
- 与软件、推理部署、仿真评测团队协同完成真机整机联调，并建立力控性能的量化评估体系
- 扎实的控制理论功底：阻抗/导纳控制、力位混合控制、接触动力学与摩擦补偿，并能工程化实现 PID/LQR/MPC
- 机器人学基础：运动学与动力学建模（DH 参数、URDF、雅可比矩阵）、ROS/ROS2 通信、实时控制系统与关节伺服接口
- 工程实现能力：精通 C++/Python，熟悉 Git、CI/CD 与单元测试，能写出可维护、可实时运行的算法代码
- 传感器与仿真经验：6D 力/力矩传感器标定与多传感器融合，MuJoCo/Isaac Sim 接触仿真与刚度阻尼参数辨识
申请策略
- 提前研究所属预研中心「力控 + VLA 分层」的技术路线，在简历与沟通中体现你对这一架构的理解
- 准备真机调试的踩坑复盘，比纯理论阐述更能打动用人团队
- 量化力控落地成果：注明机器人型号、接触任务类型，以及力跟踪误差、超调量、任务成功率等指标的具体改善
- 突出控制算法细节：说明采用阻抗/导纳/力位混合中的哪种方案、参数如何整定、遇到什么问题及如何解决
- 展示仿真与 Sim2Real 经验：MuJoCo/Isaac Sim 中的接触建模、刚度阻尼辨识、迁移前后的性能差异与改进手段
- 体现工程能力：C++/Python 代码规模、ROS2 节点设计、实时性与 CI/CD、单元测试实践
- 补强学习型控制：了解 Diffusion Policy、模仿学习与强化学习在力控中的应用，能读懂 VLA 模型的动作输出接口形式
- 强化仿真能力：熟练 MuJoCo/Isaac Sim 的接触模型与参数辨识流程，准备一个可复现的 Sim2Real 小案例
面试指南
- 先讲原理与适用条件，再讲工程取舍，最后落到实际项目中的参数与结果，用数据说话
- 用「问题—分析—方案—验证—指标」五步法讲项目，突出你独立决策的部分
- 面对开放设计题先明确约束（实时性、传感器精度、安全性），再给出分层方案与降级策略
- 阻抗控制与导纳控制的区别是什么？在不同接触任务中如何选择？2. 你做过的最难的力控真机落地案例是什么？力跟踪误差与稳定性问题如何解决？3. 6D 力/力矩传感器的标定与零点漂移补偿你会怎么做？多传感器时间同步如何保证？4. 如何设计 Sim2Real 的力控迁移流程？刚度/阻尼参数辨识你用什么方法？5. 如果要把 VLA 输出的动作意图接到底层力控，你会如何设计这个分层接口？
- 复习接触动力学、摩擦补偿与力位混合控制的推导，能手推关键公式
- 准备 1-2 个完整的力控项目案例，包含仿真与真机数据对比
- 了解 VLA、Diffusion Policy 等最新进展，能说清其输出形式与力控的衔接点
职位点评
薪资福利68
成长发展88
工作生活50
使命价值80
薪资福利
68中等
JD 未披露薪资区间与福利待遇，补偿性回报需要与 HR 进一步确认；岗位本身属于机器人算法预研方向，薪酬竞争力更多取决于个人经验与面试表现。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
88较高
岗位聚焦力控与 VLA 分层架构、Sim2Real 迁移等前沿方向，并覆盖从仿真到真机联调的完整闭环，技术成长空间大；JD 未明确提及培训机制或晋升通道。
技术前沿前沿/新兴技术
技术栈阻抗控制、导纳控制、力位混合控制、MPC、6D力/力矩传感器、ROS/ROS2、MuJoCo、Isaac Sim、Sim2Real、VLA、Diffusion Policy、强化学习、C++、Python
业务类型ambiguous
工作生活
50较低
JD 未提及办公模式、弹性工时或加班情况，工作地点也仅标注到城市级，通勤便利性与工作节奏的相关信息不足，需要主动向招聘方确认。
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
力控是机器人完成接触类操作的关键环节，岗位直接服务于具身智能的落地应用，技术方向具有明显的行业前沿性与应用价值。
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