智元机器人
强化学习仿真工程师
强化学习仿真工程师
发布于 大约 4 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
机器人开发
Cuda
Genesis
Pytorch
Sim-To-Real
强化学习
AI 估算 · 35k–60k
职位详情
关于这个职位
该职位负责为具身智能策略训练构建高吞吐、高保真的仿真环境，核心工作是优化大规模并行仿真能力，并打通强化学习训练框架与仿真系统的闭环
你将深入接触 Isaac Sim、MuJoCo 等主流仿真工具，并参与 sim-to-real 迁移等前沿技术研发，是连接仿真与真实机器人应用的关键角色
最低要求
本硕及以上学历，优先计算机科学、数据科学、机器人、人工智能等相关专业
精通 Linux 和 Docker 开发环境，熟悉 C++、Python 等编程语言，掌握规范 git 工作流，具备良好编程规范与系统级调试定位能力
精通 Isaac Sim / MuJoCo / Genesis 等至少一种机器人仿真软件，能够搭建复杂的仿真场景，深入理解接触动力学、碰撞检测算法、数值求解器、刚体动力学和数值积分
熟悉强化学习及其训练框架(如 RLinf、Stable-Baselines3、SERL 等)，理解并行仿真环境、on/off-policy 训练与大规模采样机制
熟悉 GPU 编程与加速(CUDA / NVIDIA Warp / PyTorch)，对并行仿真、渲染管线、训练数据吞吐优化、分布式强化学习框架搭建有实践经验者优先
熟悉 ROS / DDS / AimRT 等机器人系统通信中间件，对机器人传感器系统、机器人操作、运动控制有一定了解
有通过系统辨识、域随机化等方式优化 sim to real 落地效果经验者优先
工作职责
负责面向强化学习训练的大规模并行仿真能力研发与优化，为具身智能策略训练与评测提供高吞吐、高保真的仿真环境
负责仿真引擎与物理、渲染仿真能力的集成、扩展与优化，支撑机器人本体的运动学、动力学建模及操作交互仿真
负责打通强化学习训练框架与仿真系统的对接，构建大规模并行采样与训练闭环，支持算法团队高效迭代
负责面向强化学习训练的仿真任务库、场景库与评测体系(benchmark)的建立、维护与应用
负责 sim-to-real / real-sim-real 相关能力研发，持续提升仿真真实性与策略的 sim-to-real 迁移率
调研仿真与强化学习领域最新算法和技术并落地，突破现有仿真工具的能力瓶颈
优先资格
熟悉 GPU 编程与加速(CUDA / NVIDIA Warp / PyTorch)，对并行仿真、渲染管线、训练数据吞吐优化、分布式强化学习框架搭建有实践经验者优先
有通过系统辨识、域随机化等方式优化 sim to real 落地效果经验者优先
AI 洞察
优缺点分析
优点
- 处于具身智能和机器人这一高速增长赛道，技术前景广阔
- 工作内容技术含量高，涉及仿真、强化学习、GPU 编程等多个前沿领域，个人成长快
- 公司处于 B 轮融资阶段，发展潜力大，有机会获得股权激励
- 技术栈复杂，对 C++、物理引擎、GPU 编程等要求高，学习曲线陡峭
缺点 / 挑战
- 工作强度可能较高，需要紧跟技术前沿，持续学习和迭代
- 仿真与真实环境存在差距，sim-to-real 迁移是行业难题，工作挑战大
- 适合对机器人仿真和强化学习有浓厚兴趣，具备扎实编程功底和物理基础，喜欢挑战前沿技术难题的工程师
角色解读
- 技术专家路线：在仿真引擎、物理引擎或 sim-to-real 领域深耕，成为行业顶尖专家
- 架构师路线：主导大规模分布式仿真平台架构设计，负责技术选型和团队技术规划
- 管理路线：可向仿真团队负责人或技术经理发展，带领团队攻克技术难题
- 负责开发和优化大规模并行仿真系统，为机器人强化学习训练提供高吞吐、高保真的环境
- 集成和扩展物理引擎、渲染引擎，实现机器人运动学、动力学及操作交互的仿真
- 打通强化学习训练框架与仿真系统的数据闭环，支持算法团队高效迭代
- 研发 sim-to-real 技术，提升仿真到真实世界的迁移效果
- 精通 C++ 和 Python，具备扎实的系统级调试和性能优化能力
- 深入掌握 Isaac Sim、MuJoCo 等至少一种仿真软件，理解刚体动力学和碰撞检测原理
- 熟悉强化学习训练框架（如 RLlib、SERL）和 GPU 编程（CUDA、PyTorch）
- 了解 ROS 等机器人通信中间件，具备机器人系统集成经验
申请策略
- 在申请时，可以展示你对具身智能领域的热情和对智元机器人产品的了解
- 准备一个能体现你系统级调试和性能优化能力的项目案例
- 重点突出在 Isaac Sim、MuJoCo 等仿真软件上的项目经验，展示搭建复杂仿真场景的能力
- 详细描述强化学习训练框架的使用经验，特别是大规模并行采样和训练闭环的构建
- 强调 GPU 编程和性能优化经验，如使用 CUDA、Warp 加速仿真或训练
- 如有 sim-to-real 相关项目，务必详细说明技术方案和量化效果
- 深入学习 Isaac Sim 的高级功能，如分布式仿真、域随机化等
- 补充学习 NVIDIA Warp 或 CUDA 编程，提升并行计算能力
面试指南
- 回答技术问题时，可采用 STAR 法则，清晰描述项目背景、任务、行动和结果，突出你的技术深度和工程能力
- 对于开放性问题，可以展示你的技术视野，从系统架构、算法选型、工程实现等多个维度进行分析，并提出自己的思考
- 请详细描述你使用 Isaac Sim 或 MuJoCo 搭建仿真环境的项目经验
- 如何优化大规模并行仿真环境的吞吐量？你有哪些性能调优的经验？
- 请解释 sim-to-real 迁移中的常见问题及解决方案
- 你如何设计一个强化学习训练与仿真系统之间的数据闭环？
- 请介绍一个你使用 CUDA 或 PyTorch 进行并行计算优化的案例
- 复习强化学习的基础知识，特别是 PPO、SAC 等常用算法
职位点评
77
综合评分
前沿技术栈、高成长性，但工作强度大，WLB 一般。
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
该职位最适合以技术成长为核心追求，希望在具身智能前沿领域深耕，并能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展95
工作生活50
使命价值85
薪资福利
75中等
该职位薪资水平较高，且公司处于 B 轮融资阶段，可能提供股权激励，但 JD 中未明确提及具体福利待遇。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
95较高
该职位处于具身智能和仿真技术前沿，涉及大量新技术，能极大提升个人技术深度和广度，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Isaac Sim、MuJoCo、Genesis、CUDA、PyTorch、强化学习、sim-to-real
业务类型profit_center
工作生活
50较低
职位要求现场办公，且未提及弹性工作安排，工作强度可能较高，生活平衡性一般。
工作模式仅现场办公
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
该职位服务于具身智能机器人这一高速增长赛道，技术具有开拓性，能推动机器人技术发展，意义感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs