智元机器人
强化学习感控算法工程师/专家
强化学习感控算法工程师/专家
发布于 大约 16 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
Isaacsim
仿真训练
强化学习
感知融合
机器人控制
激光雷达
运动控制
值不值得投
73综合评分
综合评分 73
前沿强化学习机器人算法岗，技术成长性强，但工作生活平衡信息不足。
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
38K
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 1370 个在招 · 其中机器人开发 12 个
市场机会
选择适中
上海 · 机器人开发 · 20 个在招
职位详情
关于这个职位
该职位专注于基于强化学习的机器人感控算法研发与落地，负责优化机器人在复杂场景下的行走稳定性、避障精度和导航鲁棒性
工作涵盖算法设计、仿真训练、真机调试及场景迭代，旨在实现感知-决策-控制一体化链路
最低要求
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、运动控制、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、强化学习算法训练、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Instinctlab、CMoE、MoRE、SRU等前沿开源项目，具备源码解读、二次开发、场景适配与工程落地调优能力
感知融合能力：深入理解激光雷达、视觉相机的成像原理、数据特性及误差机制，具备感知数据预处理、多模态感知-控制融合算法开发实战经验
工作职责
负责机器人感控行走、感控导航核心算法研发、迭代与落地，基于强化学习技术搭建感知-决策-控制一体化链路，攻克复杂场景下机器人行走稳定性、避障精度、导航鲁棒性等核心问题，完成算法真机调试、场景优化与迭代复盘
搭建机器人动力学仿真与强化学习训练体系，完成训练场景搭建、参数调优、仿真验证及虚实迁移工作，搭建标准化、高效率的算法迭代流程，支撑控制算法快速落地验证
跟进机器人强化学习前沿技术，开展前沿控制算法调研、复现与二次开发，结合机器人行走、导航实际业务场景做算法适配与性能优化，输出规范的技术方案与研发文档，推动团队技术迭代创新
熟悉激光雷达、视觉相机工作原理，掌握感知数据预处理与多模态融合技术，结合强化学习控制策略提升机器人环境感知与自主适配能力，保障机器人在复杂未知场景下的稳定运动
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
具备机器人强化学习行走、自主导航、动态运动控制相关项目研发、落地及量产经验优先
AI 洞察
优缺点分析
优点
- 技术前沿性强，涉及强化学习、机器人控制等热门领域，技能积累价值高
- 公司处于B轮阶段，有成长潜力，可能提供较大的技术发挥空间
- 上海机器人产业生态丰富，有利于职业发展和行业交流
- 行业竞争激烈，要求持续跟进前沿技术，保持学习强度
- 适合对机器人技术和强化学习有浓厚兴趣，追求技术创新、具备较强工程落地能力的求职者
缺点 / 挑战
- 算法需在复杂真实场景中验证，技术难度高，可能面临频繁调试与迭代压力
角色解读
- 可向算法专家或技术负责人方向发展，深入特定领域如运动控制或导航
- 积累行业经验后，可参与机器人产品化项目，转向技术管理或架构设计
- 设计和开发基于强化学习的机器人控制算法，优化行走稳定性和导航精度
- 搭建仿真环境并训练算法，完成从仿真到真实机器人的迁移与调试
- 跟踪前沿技术，进行算法适配和性能优化，输出技术文档推动创新
- 精通强化学习理论及机器人动力学，能独立进行算法设计与开发
- 熟练使用IsaacSim等仿真平台，具备虚实迁移全流程经验
- 掌握Python/C++编程，熟悉多模态感知融合与激光雷达/视觉数据处理
申请策略
- 研究智元机器人的产品方向和技术博客，了解其业务重点，以便在面试中展现契合度
- 准备算法设计思路和项目难点解决案例，以应对深度技术问题
- 突出机器人控制、强化学习相关项目经验，特别是仿真训练与真机调试成果
- 展示在顶级会议或期刊的论文发表，或开源项目贡献，以证明技术深度
- 强调Python/C++编程能力及IsaacSim等工具的使用经验
- 深入学习强化学习最新算法，如PPO、SAC等，并在仿真环境中实践
- 掌握多模态感知数据处理技术，提升激光雷达、视觉相机数据处理的实战经验
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术难点和解决方案
- 强调理论结合实践的能力，展示从算法设计到工程落地的全流程思维
- 针对前沿技术问题，结合论文或开源项目进行具体分析
- 如何将强化学习算法应用于机器人行走控制？请描述一个你解决过的具体问题
- 在仿真到真实机器人的迁移过程中，你遇到过哪些挑战，如何解决的？
- 你如何评估一个强化学习控制策略的鲁棒性？
- 请解释激光雷达和视觉相机数据融合在机器人导航中的作用
- 你最近关注的机器人强化学习前沿技术是什么？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
薪资估算显示该职位提供市场中上水平的报酬，能满足基本经济需求，但福利信息未明确披露。
薪资信号市场水准 (25K-50K/月)
成长发展
90较高
该职位涉及前沿强化学习和机器人技术，提供显著的技术成长机会，但未明确提及培训或晋升路径。
技术前沿前沿/新兴技术
技术栈强化学习、机器人控制、IsaacSim、激光雷达、感知融合
业务类型ambiguous
工作生活
50较低
工作地点可能位于科技园区，但JD未提及办公模式、WLB相关信号，工作强度未知。
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
机器人行业属于高速增长赛道，具有技术创新性，但JD未强调社会使命或行业影响。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs