阿里巴巴运动控制-算法
任职要求
● 计算机、控制理论、机器人学、机械电子等相关专业硕士及以上学历，有运动控制领域项目或研发经验最佳； ● 了解Sim2Real技术栈：域随机化技术、Sim2Sim迁移技术、运动跟踪技术等； ● 熟悉深度强化学习框架（PPO/SAC/DDPG/MAPPO），熟悉IsaacGym/IsaacSim大规模并行训练经验…
工作职责
研发下一代机器人通用运动控制器的研发与落地：基于强化学习突破复杂地形自适应运动、多运动模态平滑切换、sim2real策略部署等关键技术，构建面向真实物理系统的运动策略训练框架，提升运动保真度与鲁棒性。
工作职责(符合2项即可): 1、负责3D打印机、激光雕刻、CNC等的业务功能开发、轨迹几何处理、速度控制、运动学算法、动力学算法等相关功能开发; 2、负责搭建、嵌入式和调试嵌入式实时固件,负责解耦和解决由机电系统引发的问题; 3、负责步进、直流、伺服等电机驱动、控制算法开发和优化; 4、熟悉常用的运动控制算法,如PID、模糊控制等; 5、熟悉常见传感器如红外传感器、超声波传感器、碰撞传感器、激光距离传感器、视觉传感器、陀螺仪、加速度计的原理,并有相关开发和实践经验
我们是vivo机器人LAB团队，致力于研究和探索面向未来十年的智能终端演进趋势，承担公司在具身智能方向的前瞻探索与产品落地任务。 加入我们，你将与一群探索未来的专家们并肩作战，将接触最前沿的具身智能相关趋势和技术，一起探索和定义下一代智能终端的形态与边界！ 1、全身运动控制算法研发：开展双足人形机器人全身运动控制（Whole-body Control, WBC）核心算法设计与优化，跟踪最优控制与学习控制前沿进展，提升多接触动态运动能力，解决复杂场景下平衡控制与稳定行走核心问题； 2、学习型控制与仿真训练体系建设：结合强化学习与模仿学习方法，搭建仿真驱动的策略训练体系，优化复杂地形适应与动态行为生成能力，提升从仿真到真实环境的迁移效率与泛化性能； 3、动力学建模与系统性能优化：开展双足机器人动力学建模与参数辨识，优化接触建模与状态估计精度，提升控制系统稳定性与抗扰动能力，实现高频实时控制闭环优化； 4、算法工程化部署与真机验证：完成全身控制算法工程化封装与实时系统部署，对接机器人底层控制架构，推进仿真到真机迁移与联调验证，保障系统在真实环境中的稳定运行与持续迭代。
1. 负责足式机器人的运动控制算法的开发、调试和测试； 2. 构造编写机器人控制相关的SDK，给内部同事或客户使用； 3. 辅助参与产品的规划设计，给机械、电子等硬件出设计意见； 4. 机器人相关测试、生产用程序的编写。
1、 面向同时具备移动能力和操作能力的机器人平台，实现移动与操作任务的一体化协同控制，提升机器人在复杂场景下的整体任务执行能力。 2、 结合大模型与大数据资源，引入并优化业界SOTA算法，提升操作任务在多样化场景中的泛化能力与成功率。 3、 基于人类动作数据与机器人行为数据，在人形或非人形平台上实现具备一定运动风格Loco-manipulation技能模仿。 4、 融合视觉、力觉、触觉等多模态感知信息，构建鲁棒的环境交互与任务执行系统，提升机器人在非结构化环境中的适应能力。 5、 结合仿真与真机实验数据，为机器人硬件架构设计与关键部件选型提供数据驱动的正向反馈，支撑系统性能持续优化。