智元机器人
强化学习运控实习生
强化学习运控实习生
发布于 6 小时前实习/见习
实习生仅现场办公机器人开发
机器人开发
Isaaclab
Isaacsim
Sim2Real
强化学习
机器人控制
模仿学习
步态控制
值不值得投
76综合评分
综合评分 76
前沿具身智能赛道、顶尖技术团队、技术成长上限极高，但WLB未明确且真机调试压力较大。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
8千
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 1490 个在招 · 其中机器人开发 63 个
市场机会
选择面较广
上海 · 机器人开发 · 86 个在招
职位详情
关于这个职位
该职位主要负责机器人走跑步态模型优化与全身运动跟踪算法的研发，基于强化学习技术实现机器人的稳定行走与姿态控制
你需要搭建动力学仿真与训练体系，攻克仿真到真机的虚实迁移难题，推动运控算法的量产落地
最低要求
学历背景：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
- 身处具身智能与机器人强化学习的最前沿赛道，技术成长路径清晰且上限极高
- 团队由顶尖院校硕博和顶会人才组成，技术氛围纯粹，能接触到行业最核心的运控技术
- 提供从仿真训练到真机调试的完整研发闭环，有助于建立系统性的机器人运动控制技术体系
- 适合对机器人运动控制有浓厚兴趣，具备扎实算法功底且渴望在具身智能前沿领域深耕的硕博研究生
缺点 / 挑战
- sim2real虚实迁移是业界公认的难题，需要面对仿真最优但真机失效、环境泛化差等极具挑战性的工程问题
- 算法迭代与真机调试周期长、难度大，对个人的抗压能力和解决复杂工程问题的耐心要求较高
角色解读
- 在具身智能和机器人运控这一前沿赛道深耕，积累从仿真到真机落地的全链路核心经验
- 未来可成长为机器人算法专家或运控技术负责人，主导下一代智能机器人的运动控制架构
- 负责机器人走跑步态模型和全身运动跟踪算法的研发，利用强化学习实现稳定行走和姿态控制
- 搭建动力学仿真与训练体系，完成步态场景构建与虚实迁移迭代，推动算法在真机上的量产落地
- 跟进前沿技术，开展步态生成与模仿学习算法的调研、复现与二次开发，解决复杂地形下的运动控制难题
- 精通Python和C++编程，熟悉IsaacLab、IsaacSim等主流机器人仿真平台
- 具备扎实的机器人动力学与强化学习理论功底，熟悉BeyondMimic、AMP等开源项目
- 拥有极强的sim2real仿真到真机迁移经验，能解决虚实鸿沟、步态漂移等核心落地问题
申请策略
- 在求职信或面试中展现对具身智能行业的热情，以及对智元机器人现有产品（如远征系列）运动控制特点的了解
- 重点突出在IsaacSim/IsaacLab等仿真平台上的项目经验，以及完整的sim2real真机部署落地经历
- 详细列出在强化学习、模仿学习（如AMP、BeyondMimic）方面的算法改进与调优成果
- 若有ICRA、IROS、RSS等顶会论文或相关专利，务必在简历显著位置展示
- 提前熟悉智元机器人相关机型的运动学/动力学模型，复习并实操sim2real的域随机化（Domain Randomization）技术
- 深入阅读并复现最新的机器人步态控制与模仿学习开源项目源码，提升代码工程化能力
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点突出在'行动'部分你对算法细节的调优过程和对物理引擎参数的理解
- 在回答算法对比或技术选型时，先阐述理论差异，再结合具体项目中的实验数据（如收敛速度、真机成功率）进行论证
- 请详细描述你过去在sim2real项目中遇到的最大挑战（如sim-to-real gap），以及你是如何解决步态漂移或真机失效问题的？
- 在IsaacSim或Mujoco中，你是如何设计奖励函数（Reward Shaping）来优化机器人跑步或姿态平衡的？
- 请对比AMP（Adversarial Motion Priors）和BeyondMimic在动作复刻上的优缺点，你在实际项目中是如何选择和调优的？
- 针对复杂地形下的步态控制，你在仿真环境中是如何构建场景和进行域随机化（Domain Randomization）的？
- 复习强化学习在机器人控制中的经典论文（如PPO在连续控制中的应用、AMP、Legged Gym等），确保能流畅探讨技术细节
- 准备好过往项目的代码片段或演示视频（尤其是真机运行效果），面试时能直观展示你的工程落地能力
职位点评
薪资福利65
成长发展95
工作生活50
使命价值85
薪资福利
65中等
作为实习岗位，薪资水平符合上海算法实习的市场行情，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：6千–1万/月）
成长发展
95较高
岗位处于具身智能最前沿，团队技术实力顶尖，提供完整的研发闭环和学术创新支持，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈强化学习、IsaacSim、sim2real、步态控制、模仿学习、Python、C++
成长机会技术成长路径清晰、支持技术调研、学术创新、专利产出
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但机器人真机调试与算法迭代通常伴随较高的工作强度。
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
85较高
深耕机器人强化学习核心领域，推动智能机器人量产落地，具有较高的行业前景与技术使命感。
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