智元机器人
优才-强化学习运控工程师-通用业务部
优才-强化学习运控工程师-通用业务部
发布于 大约 11 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
Sim2Real
仿真训练
强化学习
机器人动力学
运动控制
值不值得投
73综合评分
综合评分 73
前沿机器人运控算法岗，技术成长性强、行业前景好，但对技能要求极高，工作节奏可能较快。
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。
薪资怎么样
40K
比机器人开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1410 个在招 · 其中机器人开发 32 个
市场机会
选择适中
上海 · 机器人开发 · 45 个在招
职位详情
关于这个职位
这是一个专注于机器人运动控制的算法研发岗位
你将运用强化学习技术，负责解决机器人行走、奔跑过程中的稳定性、平衡性及复杂地形适应等核心难题
工作将涵盖算法研发、仿真训练、虚实迁移及真机调试的全流程，目标是让机器人在真实世界中实现稳定、流畅的运动
最低要求
院校硕士及以上学历，自动化、机器人工程、人工智能、计算机科学、控制科学与工程等相关专业，具备扎实的机器人动力学、步态控制、强化学习理论功底
仿真工具能力：熟练使用IsaacLab、IsaacSim、MjLab等主流机器人仿真平台，能够独立完成仿真环境搭建、运动控制算法训练、仿真测试及虚实迁移全流程工作
算法开发能力：精通Python、C++等编程语言，熟悉BeyondMimic、AMP、HimLoco、Host等机器人运动强化学习、模仿学习开源项目，具备源码解读、二次开发、步态适配与运控算法调优落地能力
虚实迁移能力：具备极强的sim2real仿真到真机迁移落地经验，熟悉机器人运动控制算法的虚实鸿沟优化、泛化性调优、真机适配迭代流程，能够解决仿真最优但真机失效、步态漂移、环境泛化差等核心落地问题
工作职责
负责机器人走跑步态模型优化、全身运动跟踪算法研发与迭代落地，基于强化学习技术实现机器人稳定行走、快跑、姿态平衡控制，解决高速运动、复杂地形下步态漂移、抖动、倾覆等核心问题
负责机器人固定动作跟踪、姿态轨迹训练研发工作，完成机器人定点动作、连贯姿态轨迹、标准化运动技能的强化学习训练与收敛优化，提升机器人动作复刻精度与运动规整度
搭建机器人动力学仿真与运动控制强化学习训练体系，完成步态训练场景构建、动力学参数调优、仿真验证与虚实迁移迭代，建立标准化运动技能训练流程，支撑运控算法快速迭代落地
跟进机器人运动强化学习前沿技术，开展步态生成、模仿学习、运动技能泛化等算法的调研、复现与二次开发，结合机器人实际运动场景完成算法适配与性能升级，输出规范技术文档与方案
专注机器人运动控制强化学习算法迭代落地，重点攻克仿真到真机的虚实迁移难题，优化sim2real泛化能力与运动鲁棒性，完成整机步态真机调试、问题复盘与闭环迭代，保障算法可量产落地
优先资格
拥有ICRA、IROS、RSS等机器人、人工智能领域顶级会议论文发表/录用经历优先
拥有IJRR、TRO、SR等机器人领域顶级期刊发表经历优先
具备机器人走跑步态、全身运动控制、模仿学习算法研发经验，拥有完整sim2real落地、真机迭代、算法量产经验者优先
AI 洞察
优缺点分析
优点
- 能直接看到自己编写的算法在实体机器人上跑动，成果反馈直接且有成就感
- 公司处于快速发展的融资阶段，个人贡献更容易被看见，有较好的上升机会
- 技术难度极高，需要同时具备理论深度和解决复杂工程问题的实践能力
- 从仿真到真机的迁移过程（sim2real）通常充满不确定性，需要频繁调试和耐心
- 适合对机器人学、强化学习有强烈热情，理论基础扎实，动手能力强，且乐于攻克“从仿真到现实”硬核技术难题的求职者
缺点 / 挑战
- 处于机器人技术的最前沿领域（人形机器人运动控制），技术挑战性强，成长天花板高
- 作为B轮创业公司，可能面临快速迭代带来的工作压力和一定的业务不确定性
角色解读
- 技术专家路线：持续深耕运动控制算法，成为领域内的算法专家或技术负责人
- 管理路线：在技术能力基础上，带领小团队负责更复杂的运控模块或产品线
- 跨领域拓展：将运动控制技术应用于更广泛的机器人场景（如灵巧操作、多机协作）
- 使用强化学习算法训练并优化机器人的行走、奔跑等复杂运动能力
- 构建并维护用于机器人运动控制的仿真环境，并负责将仿真中训练好的算法模型成功迁移到实体机器人上
- 分析真机运行时出现的步态不稳、漂移等问题，并通过算法迭代进行修复和优化
- 具备扎实的强化学习理论基础，并能将其应用于机器人控制领域
- 熟练掌握主流机器人仿真平台（如Isaac Sim、MuJoCo）的使用和环境搭建
- 精通Python/C++编程，有能力阅读和修改强化学习领域的开源项目代码
- 拥有解决仿真与真实环境差异（sim2real gap）的丰富实战经验
申请策略
- 仔细研究智元机器人已发布的机器人视频或技术文章，了解其产品的技术特点和运动能力现状
- 在简历或求职信中，可以针对JD中提到的具体问题（如“步态漂移”、“高速倾覆”）阐述你的初步解决思路
- 突出与强化学习、机器人控制相关的课程项目或研究课题，尤其是涉及仿真实验和实际部署的案例
- 详细描述使用Isaac Sim、MuJoCo等仿真工具搭建环境、训练模型的具体经验
- 列举你参与或熟悉的强化学习/模仿学习开源项目（如AMP、RMA），并说明你的贡献
- 如有相关领域的顶会/顶刊论文发表或录用经历，务必在显眼位置列出
- 系统学习和实践一个主流机器人仿真平台（如Isaac Lab），尝试复现一篇相关论文的算法
- 深入学习Sim2Real领域常用的技术（如Domain Randomization），并寻找开源代码进行实验
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化地讲述你的项目经历，重点突出你的技术决策和问题解决过程
- 回答技术问题时，先阐述核心概念（如sim2real gap的成因），再结合具体案例或工具说明你的解决方案
- 对于设计流程类问题，可以分步骤阐述：需求分析→仿真环境搭建→算法选择与训练→仿真测试→真机部署→问题反馈迭代
- 请描述一个你用强化学习解决机器人控制问题的具体项目，遇到了哪些挑战，是如何解决的？
- 在Sim2Real的过程中，你通常会遇到哪些问题？你有哪些常用的调试策略和技巧？
- 你熟悉的强化学习算法（如PPO、SAC）有哪些优缺点？在运动控制任务中你通常如何选择？
- 如果给你一个全新的机器人，让你为其训练稳定行走的步态，你会如何设计整个流程？
- 请谈谈你对‘模仿学习’在运动控制中应用的理解，它和纯强化学习相比有什么优劣？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
作为上海中大型科技企业的核心技术岗位，其薪酬水平应处于市场中上区间，能提供一定的经济回报。但作为B轮公司，其福利体系和稳定性可能无法与成熟巨头完全相比。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
该职位处于机器人运控技术最前沿，能深度参与从算法研发到真机落地的完整闭环，技术成长空间巨大，非常适合技术深造。
技术前沿前沿/新兴技术
技术栈强化学习、Sim2Real、运动控制、机器人动力学、Isaac Lab、模仿学习
成长机会迭代落地、前沿技术调研、算法适配与性能升级
业务类型profit_center
工作生活
60中等
工作地点限于上海现场办公，需要频繁与仿真及真机打交道，工作模式未明确提及弹性或远程可能。岗位性质决定了可能需要根据研发进度进行调试，工作节奏可能较快。
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
75中等
身处人形机器人这一具有广阔想象空间和明确社会应用前景的新兴领域，参与打造能稳定运动的智能机器人本身具有较高的行业价值和创新意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs