vivo机器人运控技术规划工程师-实习

1、协助进行机器人运动控制（Locomotion）领域的文献与行业调研，负责搜集、整理相关论文、技术报告及案例，支持团队技术洞察； 2、参与动态行走控制、全身运动控制等核心技术的预研工作，进行文献复现、算法对比或简单模型的可行性验证； 3、协助在仿真环境中搭建测试场景，并参与运动控制算法的代码实现、调试与性能测试，积累算法开发与仿真验证的实践经验; 4、协助完成算法从仿真到实体机器人的部署工作，参与实机测试、数据记录、结果分析及参数调试，学习解决 Sim2Real 挑战的工程方法

1、协助进行机器人运动控制领域的文献与行业调研，负责搜集、整理相关论文、技术报告及案例，支持团队技术洞察； 2、参与动态行走控制、全身运动控制等核心技术的预研工作，进行文献复现、算法对比或简单模型的可行性验证； 3、协助在仿真环境中搭建测试场景，并参与运动控制算法的代码实现、调试与性能测试，积累算法开发与仿真验证的实践经验; 4、协助完成算法从仿真到实体机器人的部署工作，参与实机测试、数据记录、结果分析及参数调试，学习解决 Sim2Real 挑战的工程方法

1. 负责具身机器人下肢模块的运动控制系统研发，以强化学习为核心技术路线，从仿真训练到真机落地全链路负责，同时深度参与机电系统联调与硬件迭代； 2.基于深度强化学习（PPO、SAC 等）在 Isaac Gym / Isaac Lab / MuJoCo 等并行仿真环境中训练双足机器人行走策略，覆盖平地行走、启停、转向、抗扰动等基础运动能力，并持续提升运动自然度与鲁棒性； 3. 主导 sim-to-real 迁移工作，通过 Domain Randomization、系统辨识、Teacher-Student（Privileged Learning）等方法缩小仿真与真机动力学差距，确保策略在真实硬件上稳定部署； 4. 设计奖励函数、课程学习方案与训练框架，具备从零搭建完整 RL 训练流水线的能力，对策略的样本效率、泛化性与运动质量负责； 5. 深度参与机电联调，能独立分析关节执行器的力矩-速度特性、驱动器 FOC 参数对控制效果的影响，从控制视角提出硬件改进建议，推动结构与电气方案迭代； 6. 负责构建高保真仿真模型，完成关节摩擦、电机动力学、接触刚度等参数的标定，缩短仿真与实机的差距；将训练好的策略部署至机载计算平台，完成推理加速与实时控制接口对接，保障策略稳定运行； 7.主动探索并运用各类AI工具优化日常工作流程，积极推动AI在业务场景中的落地实践，持续提升个人及团队的工作效率与产出质量。

1、独立负责运动控制软件模块的开发与交付：包括但不限于遥操作与全身控制链路、力矩平滑与抖动优化、安全防护与降级策略实现。 2、与运动控制算法团队对接，深入理解算法方案（如遥操模型、力矩控制策略、安全控制器），处理算法到工程落地过程中的接口适配、数据对齐和性能差异。 3、参与运动控制系统的模块化架构升级：理解模块化拆分后的职责边界与接口规范，在新架构下完成模块适配，保障代码合入后系统稳定。 4、在真机环境中进行调试与性能分析：使用系统级性能分析工具定位延迟瓶颈和资源竞争；理解实时控制周期下的抖动来源（调度、锁竞争、内存缺页等），通过锁粒度优化、模块解耦等工程手段降低端到端延迟。 5、维护项目的构建系统与编译配置，保障构建流程的稳定可用，及时处理代码合并冲突与依赖变更。 6、输出模块设计文档与接口说明，沉淀真机调试经验与故障排查流程。