京东
机器人运动控制算法开发岗
机器人运动控制算法开发岗
发布于 大约 15 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
硕士
研究与开发 (研发)
强化学习
模仿学习
机器人仿真
ROS
sim2real
动作重定向
Deepmimic
AI 估算 · 25k–45k
北京大厂高级算法岗，结合技术难度与市场行情，薪资有竞争力。
职位详情
关于这个职位
该职位是京东科技机器人运动控制算法岗，负责自研及第三方机器人平台的运动学与动力学仿真，运用强化学习、模仿学习等数据驱动方法训练鲁棒的机器人控制策略，并实现从仿真到真机的迁移
你将参与高保真虚拟测试、动作重定向与优化，以及神经网络架构设计，推动机器人智能决策技术的发展
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硕士或博士学位，丰富的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
- 算法岗薪资高，发展空间大，有机会在顶级会议发表论文
- 团队专业，可接触最新仿真与AI技术，积累核心竞争力
- 算法难度高，需要同时掌握强化学习、仿真、机器人硬件等多领域知识
- Sim2Real落地过程存在不确定性，需较强的工程调试能力
- 工作强度可能较大，需持续跟进前沿技术
- 适合有机器人或AI背景、热衷算法研发、希望从事前沿机器人控制工作的求职者
缺点 / 挑战
- 京东大平台，资源丰富，技术挑战大，能深度参与机器人前沿研究
角色解读
- 从算法工程师向高级算法专家或技术Leader发展，深入机器人控制领域
- 可转向仿真平台架构设计或机器人产品化方向
- 在顶级会议发表论文，成为行业技术权威
- 构建机器人运动学与动力学仿真环境，进行高保真虚拟测试
- 运用强化学习和模仿学习算法训练控制策略，并实现从仿真到真机的迁移
- 设计神经网络架构，优化训练超参数，提升算法性能
- 扎实的强化学习理论基础，熟悉模仿学习算法
- 精通至少两种主流机器人仿真平台，如Isaac Sim、Mujoco等
- 熟练掌握机器人动作重定向工具（如GMR）和关节映射方案
- 具备深度使用ROS和物理仿真的经验，了解Sim2Real
申请策略
- 了解京东机器人业务方向（如物流、仓储），在面试中展示业务理解
- 准备1-2个机器人控制算法的完整项目案例，说明从仿真到实机的过程
- 突出强化学习/模仿学习的项目经验，尤其是仿真平台使用和算法优化
- 强调机器人相关项目，如动作重定向、Sim2Real迁移等
- 列出发表的顶级会议论文或相关专利
- 提前熟悉JD中提到的仿真平台（如Isaac Sim、Mujoco）和DeepMimic算法
- 补充机器人运动学、动力学及ROS开发经验
面试指南
- 从理论基础出发，结合项目经验，突出解决实际问题的能力
- 使用STAR法则（情境、任务、行动、结果）结构化回答
- 展示对领域前沿的了解，如提到最新的论文或技术趋势
- 请详细解释强化学习在机器人运动控制中的应用，并举例说明
- 你在仿真平台（如Isaac Sim）上进行过哪些二次开发？遇到过什么挑战？
- 如何评估Sim2Real的差距？有哪些缩小差距的方法？
- 介绍一个你使用模仿学习实现动作追踪的项目细节
- 如何设计神经网络架构以适应机器人任务的特殊性？
职位点评
74
综合评分
京东北京算法岗，前沿技术栈，高薪资高成长，但WLB一般。
更适合这类人
最适合追求技术成长、不介意现场办公和工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活50
使命价值70
薪资福利
85较高
京东是上市大厂，北京地区算法岗薪资偏高，福利完善，补偿性动机满足度较高。
薪资信号偏高 (25K-45K/月)
成长发展
90较高
该岗位涉及前沿技术（强化学习、模拟学习、Sim2Real），技术栈新，成长空间大。
技术前沿前沿/新兴技术
技术栈强化学习、模仿学习、Isaac Sim、DeepMimic、Sim2Real
业务类型profit_center
工作生活
50较低
北京现场办公，未提及弹性工时或远程，且算法岗通常工作强度大，生活化动机一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
机器人技术应用于物流等行业，有一定社会价值，但JD未强调使命感，意义感中等。
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
Watch Jobs