京东
机器人力控与交互算法开发岗
机器人力控与交互算法开发岗
发布于 大约 7 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Nvidia Isaac Sim
Ppo
Ros
Sac
Sim2Real
Td3
六维力传感器
力位混合控制
力控
AI 估算 · 25k–45k
该职位要求3年以上力控与强化学习经验，技术门槛高，市场稀缺，薪资处于行业高位。
职位详情
关于这个职位
该职位专注于机器人领域力控与交互算法的研发，主导设计力觉与强化学习融合的控制架构，并负责力感知处理、力控算法实现及Loco-Manipulation集成
你将参与真机部署与优化，解决机器人柔顺行走、力控抓取和人机协作等复杂交互问题，适合在机器人学和控制领域有深厚背景的工程师
最低要求
学历与经验： 计算机科学、机器人学、自动化、人工智能等相关专业本科及以上学历
年以上机器人力反馈与Contact rich交互能力相关研发经验
机器人力控与交互研发能力（重点）：精通应用于机器人移动和操作领域的阻抗/导纳控制、力位混合控制等经典力控方法，并有实际项目落地经验
熟悉六维力传感器、关节力矩传感器的原理、标定与使用
具备人机物理交互（如牵引示教、协作搬运）或环境交互（如推门、插拔、打磨）的实际项目经验，理解交互安全与柔顺性的核心挑战
强化学习与机器人控制：精通深度强化学习算法（如 PPO, SAC, TD3），并有在机器人上，尤其是在足式和机械臂上，成功部署运动或操作策略的经验
具备扎实的机器人学基础，熟练掌握运动学、动力学建模、状态估计（如卡尔曼滤波）及控制理论
熟悉机器人仿真，拥有至少两种主流机器人仿真平台（如NVIDIA Isaac Sim, Mujoco, PyBullet, Drake, Gazebo）的深度使用和二次开发经验;
Robotics系统：熟悉机器人软硬件体系，部署神经网络模型经验，熟悉ROS和物理仿真，Sim2Sim，Sim2Real;
工作职责
力控与交互系统架构设计：主导设计融合力的多模态闭环控制架构，明确力/力矩传感器与RL控制的接口、数据流与时序要求
设计力触觉信息表征形式作为控制策略输入，实现 Locomotion 与 Manipulation 的力交互统一框架
力感知与处理算法研发：负责力觉设备的选型、标定、降噪与信号处理，确保力反馈精确性与实时性
开发基于力觉的环境识别与交互状态估计算法，如接触检测、地形刚度估计、抓取力感知、人机交互意图识别
力交互算法研发：设计并实现先进的力控算法，应用于足式机器人的柔顺行走、抗冲击，及机械臂的力控抓取、柔顺装配
实现基于RL的力交互策略，训练机器人适应不确定环境力、实现人机协作中的安全交互与技能学习
Loco-Manipulation 力交互能力集成：解决 Locomotion 与 Manipulation 在力交互层面的耦合问题，提升机器人在复杂任务（如移动中开门、搬运易碎物品）中的整体性能
真机部署、系统优化与实验验证：将力控算法与交互策略部署到机器人，进行系统级优化
设计并完成真机实验，分析力控性能对任务成功率、安全性及人机交互体验的影响，持续迭代优化算法
优先资格
在顶级会议（如CoRL, RSS, ICRA, IROS, NeurIPS, ICML, SIGGRAPH等）上有相关领域出版物者优先
AI 洞察
优缺点分析
优点
- 前沿技术栈：力控+强化学习属于机器人领域前沿，技能积累价值高
- 大平台资源：京东科技提供丰富真机场景和计算资源，算法能快速落地验证
- 行业前景好：机器人技术在物流、仓储等场景需求旺盛，职业发展空间大
- 技术门槛高：需要同时精通经典力控和强化学习，对复合能力要求高
- 真机调试复杂：从仿真到真实机器人部署存在Sim2Real gap，调试周期长
- 工作强度可能较大：研发节奏快，需紧跟前沿论文并快速迭代算法
缺点 / 挑战
- 适合在机器人学、控制或强化学习领域有扎实基础，热衷于解决实际物理交互问题，并能接受较高技术挑战的工程师
角色解读
- 技术纵深发展：成为力控与RL交互领域的专家，主导核心算法研发
- 管理方向：积累项目经验后，可晋升为技术负责人或团队Leader，带领团队攻克难题
- 跨领域拓展：结合京东业务场景，向物流机器人、仓储自动化等方向延伸，成为系统架构师
- 主导力控与交互系统架构设计，融合力传感器与强化学习控制，制定接口和数据流
- 研发力感知与处理算法，包括力觉设备标定、降噪、接触检测及交互状态估计
- 实现先进力控算法，应用于足式机器人柔顺行走和机械臂力控抓取，并训练RL策略
- 集成Loco-Manipulation力交互，解决移动和操作耦合问题，并进行真机部署与优化
- 精通阻抗/导纳控制、力位混合控制等经典力控方法，并有实际落地经验
- 深入掌握深度强化学习算法（PPO, SAC, TD3），能部署到足式或机械臂
- 熟悉六维力传感器、关节力矩传感器原理及使用，具备人机/环境交互项目经验
- 熟练使用至少两种主流仿真平台（如Isaac Sim, Mujoco）并熟悉ROS和Sim2Real
申请策略
- 在简历中量化你的成果，比如力控精度、任务成功率提升等
- 了解京东机器人业务方向（如仓储物流），在面试中展示你的思考如何应用
- 突出力控项目经验，详细描述你如何设计阻抗/导纳控制或力位混合控制，以及取得的效果
- 展示强化学习在机器人上的部署案例，包括算法选择、仿真环境搭建和真机迁移
- 强调传感器使用经验，如六维力传感器的标定和数据处理
- 如有顶级会议论文，务必列出，这是优先条件
- 如果缺乏RL部署经验，建议先在开源仿真环境（如Mujoco）中练习训练足式或机械臂策略
- 补充机器人学基础，特别是运动学、动力学和状态估计（卡尔曼滤波）
面试指南
- 对于概念对比题，先给出定义，然后结合项目说明选择依据和效果
- 对于项目经验题，按STAR法则（情境、任务、行动、结果）组织，突出难点和你的解决方案
- 对于开放性设计题，先分析问题核心，然后提出方案框架，最后讨论可能的风险和权衡
- 请详细解释阻抗控制和导纳控制的区别，并举例你在项目中如何选择？
- 你使用PPO训练机器人策略时，如何处理奖励函数设计和Sim2Real问题？
- 描述一次你解决人机交互安全问题的经历，用了哪些方法？
- 如何标定六维力传感器？你遇到过哪些噪声问题，怎么处理的？
- 在Loco-Manipulation任务中，你如何协调腿部与手臂的力控制？
职位点评
52
综合评分
前沿技术栈、大平台、高成长潜力，但工作地点固定且WLB不明确。
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。
更适合这类人
适合以技术成长为核心驱动力、愿意接受高强度研发挑战的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利50
成长发展85
工作生活30
使命价值70
薪资福利
50较低
薪资未在JD中明确，但根据行业水平和岗位要求推测处于较高水平；福利未提及，因此补偿性动机满足程度一般。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
该职位涉及前沿力控和强化学习技术，能显著提升个人技能；但JD未明确提及培训或晋升通道，发展性动机有较好满足但非完美。
技术前沿前沿/新兴技术
技术栈力控、阻抗控制、导纳控制、PPO、SAC、TD3、ROS、Mujoco、Isaac Sim、Sim2Real
业务类型ambiguous
工作生活
30较低
JD未提及远程或弹性工作，办公地点推测为科技园，且未说明WLB政策，生活方式动机满足程度低。
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
70中等
机器人行业处于高速增长期，力控技术能提升机器人安全性和效率，有一定社会价值，但JD未强调使命感，故意义感动机中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
京东 的其他在招职位
相似职位推荐
Watch Jobs