智元机器人
强化学习感控工程师-通用业务部
强化学习感控工程师-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
Isaaclab
Isaacsim
Mjlab
强化学习
感知融合
机器人控制
激光雷达
视觉相机
值不值得投
71综合评分
综合评分 71
前沿技术岗，强化学习与机器人结合，技术成长空间大，但办公和WLB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
35K
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
负责机器人感知-决策-控制算法的研发与落地，基于强化学习技术提升机器人行走稳定性、避障精度和导航鲁棒性，涉及仿真训练、真机调试和场景优化
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、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
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
AI 洞察
优缺点分析
优点
- 有真机调试和落地机会，能快速验证算法效果
- 公司处于成长阶段（B轮），可能提供较大的技术发展空间和成长机会
- 项目覆盖感知-决策-控制全链路，利于系统性能力培养
- 技术难度高，需要持续跟进强化学习和机器人领域的最新进展
- B轮中型企业可能节奏较快，对交付和落地能力要求高
- 适合对机器人技术和强化学习有浓厚兴趣，具备扎实理论基础和实践能力，愿意攻克复杂技术问题的硕士及以上求职者
缺点 / 挑战
- 涉及强化学习与机器人前沿技术，技术栈先进且具有挑战性
- 仿真到实机的迁移（sim-to-real）可能面临复杂工程挑战
角色解读
- 从算法工程师成长为机器人控制或AI方向的技术专家
- 可向系统架构师或团队负责人方向发展，带领项目攻关
- 积累经验后，有望参与前沿机器人技术的标准制定或产品创新
- 负责机器人感知与控制算法的强化学习研发，实现从仿真到实机的部署
- 搭建仿真训练体系，包括场景搭建、参数调优和虚实迁移
- 跟踪强化学习前沿技术，进行算法适配与性能优化，输出技术文档
- 结合激光雷达、视觉相机等传感器，提升机器人环境感知能力
- 扎实的强化学习理论功底与机器人控制实践经验
- 熟练使用IsaacLab、IsaacSim等主流机器人仿真平台
- 精通Python、C++编程，熟悉前沿开源项目如CMoE、MoRE
- 掌握感知数据预处理与多模态融合技术
申请策略
- 研究智元机器人的产品线和技术方向，在面试中展示对公司的了解
- 准备技术面试，重点复习机器人动力学、强化学习基础和系统设计
- 突出强化学习相关项目经验，尤其是机器人控制或仿真应用案例
- 详细描述使用IsaacLab、IsaacSim等平台的实践经历和成果
- 展示C++/Python编程能力及对开源项目（如CMoE）的理解或贡献
- 如有相关论文、竞赛奖项或专利，应重点列出
- 深入学习强化学习算法（如PPO、SAC）及其在机器人中的应用
- 实践IsaacLab、IsaacSim等仿真平台，熟悉仿真环境搭建与虚实迁移技巧
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化描述项目经验，突出技术细节和量化成果
- 从技术原理、工程实践和性能指标角度解释算法选型与优化过程
- 强调从仿真到实机的迁移经验，包括调试、测试和迭代方法
- 请描述你如何将强化学习应用于机器人行走或导航控制？
- 你在使用IsaacLab等仿真平台时，遇到过哪些主要挑战？如何解决的？
- 如何评估和优化强化学习算法在真机上的性能？
- 谈谈你对感知-决策-控制一体化链路的理解
- 复习强化学习核心概念（如马尔可夫决策过程、策略梯度）和机器人控制基础
职位点评
薪资福利70
成长发展90
工作生活45
使命价值75
薪资福利
70中等
薪资未明确披露，但作为技术研发岗，市场竞争力可能处于中等偏上水平，具体需面试确认。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
岗位涉及前沿强化学习与机器人技术，有仿真和真机实践机会，利于深度技能积累和职业成长。
技术前沿前沿/新兴技术
技术栈强化学习、IsaacLab、IsaacSim、MjLab、Python、C++、感知融合
业务类型ambiguous
工作生活
45较低
办公模式未明确，机器人研发通常需要现场办公，WLB信号缺失，可能面临较高工作强度。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
机器人技术有潜在社会价值，推动自动化发展，但JD未明确强调使命或愿景。
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