商汤机器人强化学习控制算法工程师

1. 开发基于强化/模仿学习的机器人行走及全身控制策略； 2. 开发复杂地形下基于视觉的强化学习行走策略； 3. 负责算法策略的训练与移植部署，实现算法sim-to-real在机器人实机上落地应用； 4. 持续跟踪国内外前沿研究成果，并进行相关算法复现； 5. 编写相关技术文档，推动团队技术沉淀与知识共享。

1. 研发适用于足式机器人决策规划的深度强化学习算法； 2. 负责强化学习规划控制算法的sim2real开发； 3. 负责深度强化学习算法的模型开发、调试与实际机器人验证。

1. 负责搭建和部署人形机器人控制框架 2. 负责柔性控制、全身控制等相关功能研发 3. 参与机器人轨迹优化方面的相关工作 4. 根据业务要求定义并维护机器人控制框架 5. 开发数据可视化、控制器评测等相关工具链 6. 编写相关技术文档

1. 运动控制框架搭建：负责机器人机械臂运动控制算法的研发与实现，构建完整的轨迹规划、运动学与动力学控制框架。 2. 路径规划与避障：设计机械臂在家庭环境中的运动路径规划与避障策略，确保其在复杂场景中安全、平稳运行。 3. 经典控制实现：运用传统控制方法（如PID、力/阻抗控制）实现关节控制与力反馈调节，提升机械臂操作稳定性。 4. 智能学习控制：引入模仿学习与强化学习技术，开发机械臂的复杂操作技能，并通过人类示教或模拟自学习，逐步掌握高难度的动作，并训练持续优化。 5. 仿真训练与实物验证：搭建仿真测试环境（如Gazebo、PyBullet），进行算法验证与迭代，并完成实物部署与调试。 6. 系统集成协作：与视觉、软件等团队协作，集成视觉引导、ROS2系统等功能，确保控制模块与整体系统高效协同。