京东
机器人运控算法开发岗
机器人运控算法开发岗
发布于 大约 8 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Deepmimic
Ros
Sim2Real
动力学
强化学习
模仿学习
运动学
AI 估算 · 25k–45k
京东高级算法岗，机器人运控方向技术要求高，市场稀缺，薪资位于行业75分位，月薪2.5-4.5万合理。
职位详情
关于这个职位
该职位负责京东自研机器人平台的运动控制算法开发，运用强化学习、模仿学习等技术在仿真环境中训练鲁棒控制策略，并实现Sim2Real迁移
你将参与机器人运控算法的全流程研发，从仿真环境构建到真机部署，适合对机器人运控和前沿AI算法有浓厚兴趣的工程师
最低要求
计算机科学、机器人学、电子工程、人工智能或相关领域本科及以上学历，丰富机器人运控算法开发经验
对强化学习的理论基础有深刻理解，并具备计算机图形学（如渲染、几何处理、物理引擎原理）的扎实背景;
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;
机器人动作重定向与关节映射：熟练掌握机器人全身动作重定向工具集（如GMR等）及关节映射方案，能够将多源动作数据集高效、准确地适配到自研机器人构型上，确保运动学的自然性与物理可行性
运动模仿与仿真训练架构开发：深入理解并实践基于DeepMimic/BeyondMimic等架构的机器人运动模仿算法，能够实现机器人对重定向后轨迹的精确追踪，并通过强化学习训练出具备良好Sim2Real泛化能力的控制策略，显著缩小仿真与现实间的性能差距，提升真机部署成功率
工作职责
负责自研及第三方机器人平台的运动学与动力学仿真环境构建，支撑高保真虚拟测试验证
应用数据驱动方法（包括但不限于模仿学习、强化学习等），在仿真环境中训练可迁移至真机的鲁棒控制策略
设计、实现并优化基于强化学习和模仿学习的机器人运动控制算法，重点实现人类动作风格的精准模拟与迁移
基于仿真系统开展机器人性能边界分析，为硬件选型与本体设计提供数据驱动的正向输入，涵盖基于矩频曲线的电机特性建模与优化等维度
规模化动作轨迹适配与鲁棒性优化：具备将动作轨迹的重定向与追踪能力扩展到大规模、多类别动作序列的实践经验，确保系统在复杂运动场景下仍保持高扩展性、强鲁棒性与长期运行稳定性
针对机器人任务需求，设计并优化神经网络架构与训练超参数，提升算法收敛速度与策略性能
持续优化训练与推理框架的计算效率，提升Sim2Real迭代效能
优先资格
在顶级会议（如CoRL, RSS, ICRA, IROS, NeurIPS, ICML, SIGGRAPH）上有相关领域出版物者优先
AI 洞察
优缺点分析
优点
- 京东作为头部互联网企业，拥有丰富的机器人应用场景（仓储物流等），算法成果可直接落地
- 岗位聚焦机器人运控算法前沿，涉及强化学习、模仿学习等热门技术，技能积累价值高
- 团队研发实力强，有机会与顶尖学者合作，并在顶会发表论文
- 机器人运控算法复杂度高，Sim2Real迁移存在诸多不确定性，需要较强的工程和实验能力
- 岗位要求综合技能多（仿真、控制、图形学、深度学习），学习曲线陡峭
- 工作强度可能较大，尤其在项目关键阶段需要加班攻关
缺点 / 挑战
- 适合对机器人运动控制和AI算法有浓厚兴趣、具备扎实数理基础和编程能力、乐于挑战复杂工程问题的技术型人才
角色解读
- 技术纵深：成为机器人运控算法专家，在Sim2Real、运动模仿等领域发表顶会论文
- 项目管理：晋升为技术负责人，带领团队攻克复杂机器人控制难题，驱动产品落地
- 跨域发展：向具身智能、通用机器人等前沿方向拓展，成为行业领军人才
- 构建高保真机器人仿真环境，进行运动学与动力学模拟，支持虚拟测试验证
- 应用强化学习和模仿学习算法，在仿真中训练控制策略并迁移到真实机器人
- 优化神经网络架构和超参数，提升算法收敛速度和策略性能，并持续改进训练推理框架效率
- 扎实的强化学习理论基础，熟悉PPO、SAC等主流算法，并有实际调参经验
- 熟练使用至少两种机器人仿真平台，如NVIDIA Isaac Sim、MuJoCo、PyBullet等，具备二次开发能力
- 掌握机器人动作重定向与关节映射技术，熟悉DeepMimic等运动模仿架构
- 具备机器人软硬件系统经验，熟悉ROS及物理仿真到真机部署流程
申请策略
- 在简历中附上GitHub链接或论文引用，展示技术成果
- 了解京东机器人业务场景（如无人仓、配送机器人），面试时结合业务阐述算法价值
- 突出机器人运控项目经验，特别是仿真环境搭建、强化学习训练和Sim2Real迁移的成功案例
- 列出参与的机器人相关开源项目或顶会论文，展现技术深度
- 强调熟练掌握的仿真平台和工具（Isaac Sim、MuJoCo、ROS等），并提供具体使用时长或贡献
- 如有模仿学习或动作重定向经历，用数据和指标说明效果
- 复习强化学习核心算法（PPO、SAC、TD3等），并动手复现经典论文
- 熟悉NVIDIA Isaac Sim或MuJoCo的高级功能，尝试二次开发自定义环境
面试指南
- 结构化回答：先讲问题定义，再描述技术方案，最后展示成果或思考
- 结合具体项目：用STAR法则（情境、任务、行动、结果）来组织项目经验
- 强调迭代过程：说明如何通过实验、分析、改进来一步步解决问题，体现工程思维
- 如何设计一个强化学习策略实现机器人从仿真到真机的迁移？请重点说明Sim2Real的挑战与解决方案
- 请对比MuJoCo和Isaac Sim在机器人仿真中的优缺点，以及你在项目中如何选择
- 请解释DeepMimic架构的核心思想，如何改进以实现更自然的动作模仿？
- 在实际项目中遇到过哪些训练不收敛或策略失败的问题？如何调试和优化？
- 如何评估机器人运动控制算法的性能？请设计一个实验方案
职位点评
66
综合评分
京东机器人运控算法岗，前沿技术栈、高成长空间，但工作强度大且缺乏灵活办公。
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
适合追求技术前沿、忽视工作生活平衡、希望通过项目快速成长的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活40
使命价值70
薪资福利
60中等
京东大厂薪资福利有竞争力，但岗位未明确具体薪资和福利，补偿性动机满足中等。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
岗位处于机器人运控算法前沿，涉及强化学习、模仿学习等热门技术，且要求顶会论文，发展性动机极强。
技术前沿前沿/新兴技术
技术栈强化学习、模仿学习、Sim2Real、DeepMimic、Isaac Sim
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工作或WLB，可能加班较多，满足度较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况JD含高强度暗示词
使命价值
70中等
机器人技术用于物流自动化，有一定社会价值，但岗位偏技术研发，使命感一般。
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