AgiBot logo
智元机器人
灵巧手运控算法实习生

灵巧手运控算法实习生

发布于 大约 14 小时前

实习/见习

深圳市 / 上海市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
Matlab
Ros2
动力学
强化学习
机器人控制
运动学

AI 估算 · 5k–8k

实习岗位,薪资根据行业和城市水平估算,深圳/上海硕士实习生通常在5-8k/月

职位详情

关于这个职位

该实习岗位聚焦于灵巧手运动控制算法的研发与落地,涉及运动学动力学建模、强化学习、仿真迁移等技术,适合对机器人控制、具身智能有浓厚兴趣的硕士/博士研究生

你将参与前沿算法研究,并在真机上部署灵巧操作技能,与团队协作推动双灵巧手协作控制

最低要求

硕士及以上学历,控制工程与控制理论、导航、制导与控制、模式识别与智能系统等相关专业

熟悉机器人学、刚体运动学、刚体动力学
掌握常用的FK/IK方法,熟悉RBDL、Pinocchio等动力学库
熟悉机电领域的控制理论,熟悉FOC等电机控制理论,了解各种减速器及传动结构的控制特性,有在实际工程的应用经验
熟悉数值优化,熟练掌握LQR、MPC、WBC等问题的构建及求解,熟悉常用的QP求解方法及求解器
了解IMU、编码器、扭矩/力传感器等常见传感器,熟悉传感器融合,掌握常见滤波器的设计与实现
熟练使用C++及python、matlab等,熟练使用eigen,熟悉bullet、mujoco、webots等至少一种物理仿真器,了解ROS2

工作职责

负责灵巧手运动控制算法的研究和开发实现,完成灵巧手运动学、动力学模型的搭建与仿真模拟,优化灵巧手运动性能

研究可泛化的灵巧操作算法,基于模仿学习、强化学习、大模型等技术,增强操作算法的场景泛化性、任务通用性、对象多样性、动态稳定性等
研究虚实迁移技术,并结合对灵巧手控制算法的调试,完成从虚拟到真实的技能迁移,在真机上部署灵巧操作技能;
参与双灵巧手协作控制算法的设计与优化,确保复杂任务中双手的协调与精确控制
参与多模态感知、任务与运动规划等研究,支持复杂场景中灵巧操作的进行
负责灵巧手的运动控制算法开发及落地,包括运动学正逆解、动力学分析、强化学习实现灵巧手控制等
负责mujoco/isaac gym平台灵巧手仿真环境的搭建和适配
发现和解决算法开发过程中出现的技术问题,根据灵巧手运动特性为本体/算法协同设计提出建设性意见和改进方向
参与灵巧手前沿控制技术预研,对相关技术成果资料进行查阅、整理及归纳

AI 洞察

优缺点分析

优点

  • 参与人形机器人核心模块研发,技术前沿性高,行业前景广阔
  • 公司B轮融资,资源充足,有机会接触真实机器人平台
  • 技能积累涵盖控制、强化学习、仿真等多领域,提升竞争力
  • 算法复杂度高,需要扎实的理论基础和动手能力
  • 实习期可能面临较大的学习曲线,需快速掌握多类工具
  • 涉及真机调试,可能需要应对硬件不稳定等工程问题
  • 适合对机器人控制有浓厚兴趣、具备较强数理和编程能力的硕博研究生,尤其是希望在具身智能领域深耕的同学

缺点 / 挑战

暂无明显挑战项

角色解读

  • 实习期满后可转为正式员工,深入机器人控制算法领域,成为运控专家
  • 可向具身智能、灵巧操作等前沿方向发展,参与顶级项目研发
  • 积累仿真-真机部署全栈经验,未来可晋升为算法团队负责人
  • 负责灵巧手运动控制算法的研究与实现,包括运动学、动力学建模与仿真
  • 基于强化学习、模仿学习等开发泛化灵巧操作算法,并完成虚拟到现实的迁移
  • 参与双灵巧手协作控制及多模态感知相关研究,在真机上部署调试算法
  • 扎实的机器人学基础,熟悉运动学、动力学及常用库(如Pinocchio、RBDL)
  • 精通C++/Python,掌握至少一种物理仿真器(Mujoco、Isaac Gym等)
  • 熟悉控制理论(LQR、MPC、WBC)和数值优化方法
  • 了解传感器融合、滤波器设计及ROS2

申请策略

  • 在简历中附上GitHub链接,展示相关代码或仿真demo
  • 面试前了解智元机器人灵巧手产品特点,思考算法改进方向
  • 突出相关项目经验,如机械臂控制、强化学习仿真项目
  • 强调对运动学、动力学库(Pinocchio、RBDL)的使用经历
  • 展示C++/Python编程能力及ROS2工程实践
  • 提前学习Mujoco或Isaac Gym的使用,熟悉仿真环境搭建
  • 复习LQR、MPC、WBC等控制算法,并练习代码实现
  • 了解灵巧手硬件结构及常见传感器(IMU、力矩传感器)

面试指南

  • 对于算法类问题,先明确问题,然后提出常用方法(如DQN、PPO),再结合灵巧手特性优化
  • 对于工程问题,从仿真、传感器融合、控制流程等角度分步阐述
  • 展示对机器人学基本概念的深入理解,并联系实际应用
  • 请解释刚体运动学正逆解方法,并用代码简单实现
  • 如何设计一个基于强化学习的灵巧手抓取策略?
  • 描述LQR与MPC的区别及适用场景
  • 如何处理虚实迁移中的Sim-to-Real gap?
  • 谈谈你对人形机器人灵巧手控制面临的挑战的理解

职位点评

71
综合评分

前沿人形机器人灵巧手运控实习,技术成长极强,薪资一般,适合追求技术突破的学子。

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。

更适合这类人
最适合以技能成长为首要目标的硕博学生,愿意投入时间学习机器人前沿技术。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展95
工作生活50
使命价值80

薪资福利

40较低

实习薪资处于市场中等水平,但作为学习机会,补偿性动机一般。

薪资信号未披露(AI估算:5K-8K/月)

成长发展

95较高

该职位提供前沿技术研究与实践机会,技能成长空间极大。

技术前沿前沿/新兴技术
技术栈强化学习、模仿学习、Mujoco、Isaac Gym、LQR、MPC、WBC、机器人学、传感器融合
业务类型profit_center

工作生活

50较低

实习通常工作地点固定,需现场办公,但作为实习灵活性尚可。

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

80较高

人形机器人是高速增长赛道,工作具有推动技术进步的社会意义。

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