一汽丰田
双足机器人行走控制工程师
双足机器人行走控制工程师
发布于 大约 9 小时前普通员工/个人贡献者
长春市
中级经验
全职员工
仅现场办公
本科
强化学习
机器人学
运动控制
模仿学习
实时系统
MPC
Sim-To-Real
双足机器人
AI 估算 · 20k–40k
高端机器人控制工程师稀缺，一汽丰田作为大型车企薪资有竞争力，结合长春消费水平，月薪2-4万合理。
职位详情
关于这个职位
这是一汽丰田的双足机器人行走控制工程师职位，专注于设计并实现混合控制框架，融合MPC（模型预测控制）与强化学习/模仿学习，让机器人实现稳定、高效的行走
你将负责从算法研发到硬件部署的完整流程，涉及高性能传统控制与数据驱动策略
适合具备扎实机器人学、控制理论和C++编程背景，对具身智能充满热情的工程师
最低要求
机器人、控制、自动化、机电等相关专业，本科及以上学历，硕博优先，2年及以上机器人或机电产品运控算法开发、落地、量产经验
有良好的数学和C++编程功底，精通机器人运动学动力学建模、运动规划、控制，熟悉MPC、WBC等算法以及了解RL等神经网络算法
对机电控制系统有深刻理解，熟悉滤波、采样等信号处理，熟悉工业/协作/智能/人形机器人常见算法架构
对具身智能事业充满热情，拥抱AI，敢于创新，追求卓越
工作职责
混合控制框架设计与实现：主导设计MPC-RL/IL混合控制框架，将基于物理模型的控制（如MPC）与基于学习的策略（如深度神经网络）进行高效协同
专注于利用MPC处理实时、高频、平衡保持等核心任务，利用学习策略处理步态生成、高层决策和环境适应
高性能传统控制（MPC）：负责模型预测控制（MPC）算法的研发、数值求解器优化和实时部署，确保在双足机器人系统中的动态稳定性和能效
构建和维护高精度双足机器人动力学模型（如LIPM, SRB, 全身动力学模型），作为MPC和学习算法的基础
基于学习的控制策略（IL/RL）：实施和优化模仿学习（Imitation Learning）算法，从人类或高性能控制器数据中学习鲁棒且自然的步态和运动轨迹
探索和应用深度强化学习（DRL）算法（如PPO, SAC等），用于崎岖地形适应、动态抗扰和高动态运动能力的策略学习
工程实现与硬件验证：在实时控制环境中实现所有算法，并保证代码的可靠性、高效性和低延迟
负责Sim-to-Real流程的优化，包括域随机化（Domain Randomization）和硬件在环（HIL）测试，确保策略成功部署到物理机器人上
优先资格
有强化学习RL等数据驱动算法开发经验优先，有轮足和双足locomotion算法经验为加分项
AI 洞察
优缺点分析
优点
- 技术前沿：双足机器人是具身智能热点，MPC+RL混合控制代表行业趋势，积累稀缺技能
- 平台优势：一汽丰田为大型车企，资源充足，项目落地机会多，稳定且有长期发展空间
- 成长空间：涉及完整算法到硬件部署，能大幅提升工程与科研综合能力
- 技术难度高：需要同时掌握经典控制与机器学习，调试复杂，理论要求高
缺点 / 挑战
- 工作强度：从研究到落地的周期紧凑，可能面临较高的工作压力和加班
- 适合对机器人控制有浓厚兴趣、具备扎实数学和编程基础、乐于接受技术挑战并希望在前沿领域深耕的工程师
角色解读
- 技术深耕：成为双足机器人运动控制领域的专家，主导核心算法突破
- 管理方向：带领团队完成复杂机器人项目，晋升为技术经理或架构师
- 跨领域拓展：向具身智能、通用机器人控制、AI与机器人融合方向延伸
- 设计融合MPC与强化学习的混合控制框架，让双足机器人稳定行走和适应复杂地形
- 开发并优化高性能MPC算法，实现实时、高频的平衡控制和能效管理
- 利用模仿学习和深度强化学习训练机器人步态，并通过Sim-to-Real流程部署到硬件上
- 精通机器人运动学、动力学建模及MPC、WBC等经典控制算法
- 扎实的C++编程能力，熟悉实时控制系统和数值求解器优化
- 了解强化学习（如PPO、SAC）和模仿学习，能够应用数据驱动方法
申请策略
- 一汽丰田转型智能化，关注其在人形机器人领域的战略布局，面试中展现对具身智能的热情
- 突出MPC、WBC、模仿学习或强化学习相关项目经验，尤其是双足或轮足机器人实物成果
- 强调C++编程和实时系统优化能力，附上代码仓库或算法性能数据
- 展示对机器人动力学建模和Sim-to-Real流程的实际操作经历
- 如不熟悉强化学习，可先学习PPO、SAC基础并动手实现简单仿真任务
- 巩固机器人学基础（运动学、动力学、控制理论），推荐阅读《Modern Robotics》或相关课程
面试指南
- 对于设计类问题：先明确目标（稳定性、效率），再分层阐述（高层决策、中层控制、底层执行），最后强调协同
- 对于优化类问题：从算法（简化模型、数值求解器选择）和工程（代码优化、硬件加速）两方面回答
- 请详细解释MPC-WBC混合控制的架构设计思路
- 如何解决Sim-to-Real中的域差异问题？举例说明域随机化的应用
- 在双足机器人上实现强化学习训练时，如何定义奖励函数以兼顾稳定性和能效？
- C++中实现实时控制算法时，如何优化计算延迟？
- 描述一个你曾经参与的运动控制项目，遇到的最大技术挑战是什么？
- 复习MPC、WBC、RL核心论文（如MIT Cheetah、宇树科技相关工作），准备经典算法推导
匹配度报告
69
综合匹配度
前沿技术、强大平台，但WLB一般，薪资未明确。
适合人群
该职位最适合追求技术成长、渴望前沿挑战的求职者，对工作生活平衡要求不高的候选人。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利65
成长发展95
工作生活40
使命价值75
薪资福利匹配
65中等
薪资未明确，但基于公司规模和职位稀缺性，预计位于行业中上水平。福利未提及，满足程度一般。
薪资信号未披露（AI估算：20K-40K/月）
成长发展匹配
95较高
该职位技术前沿，涉及MPC、RL等新兴技术，能大幅提升技能，成长路径清晰，满足程度很高。
技术前沿前沿/新兴技术
技术栈MPC、RL、IL、C++、双足机器人、Sim-to-Real
业务类型ambiguous
工作生活匹配
40较低
仅现场办公，无远程或弹性信息，长春生活成本低但可能加班，生活化动机满足有限。
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）
使命价值匹配
75中等
双足机器人行业高速增长，技术具有创新性，但对社会直接影响力一般，使命感中等偏上。
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
一汽丰田 的其他在招职位
相似职位推荐
Watch Jobs