商汤具身-运动控制算法工程师
任职要求
1. 本科及以上学历，机器人学、控制工程、自动化、机械电子等相关专业 2. 扎实的机器人运动学与动力学建模能力，掌握刚体动力学、Jacobian、正/逆运动学、参数辨识等 3. 精通 C++/Python，具备良好的工程化能力，熟悉 ROS2 4. 具备多款机器人本体的运控落地与实机部署经验（人形、四足、轮足、机械臂等其中两类及以上），能独立完成算法在物理机…
工作职责
1. 负责人形、四足、轮足、轮臂等多形态机器人的全身运动控制算法研发，涵盖步态规划、平衡控制、轨迹优化，以及机械臂与末端灵巧手的协同控制； 2. 设计并实现基于模型（MPC/WBC）与基于学习（RL、模仿学习、retargeting、BeyondMimic 等）的运动控制策略，实现复杂地形下的稳定行走与动态运动； 3. 负责 Sim-to-Real 全流程：基于 Isaac Lab、MuJoCo 等搭建仿真环境，完成算法从仿真到实机的部署与调优； 4. 负责运控算法的实机部署软件工程：实时性保障、资源调度、与硬件团队协同完成关节执行器选型、控制参数整定及通信联调；
1. 基于 NVIDIA Isaac 的仿真平台开发 ‒ 搭建和维护基于 NVIDIA Isaac Sim 的机器人仿真系统，支持多种机器人类型（例如移动机器人、机械臂、无人车等）。 ‒ 利用 NVIDIA Omniverse 技术，构建高保真的虚拟环境，模拟物理特性（如动力学、传感器特性、碰撞检测等）。 ‒ 开发和优化 Isaac Sim 中的自定义扩展模块，满足项目需求。 2. 环境建模与场景构建 ‒ 使用 NVIDIA Omniverse 和其他建模工具（如 Blender、Maya）创建逼真的仿真环境和场景。 ‒ 配置和调试虚拟传感器（如激光雷达、摄像头、IMU）以模拟真实硬件行为。 ‒ 构建动态交互场景，用于测试机器人在复杂环境中的性能。 3. 机器人控制与算法验证 ‒ 在仿真环境中集成和测试机器人算法（如SLAM、路径规划、运动控制）。 ‒ 验证和优化机器人感知算法（如视觉检测、环境感知）在高保真模拟环境中的效果。 ‒ 通过仿真结果分析算法性能，为实际机器人实施提供支持。 4. 系统集成与工具链开发 ‒ 与机器人硬件和软件团队合作，将仿真结果与实际机器人验证无缝对接。 ‒ 开发自动化测试工具和数据可视化分析工具，提高开发效率和数据洞察能力。 ‒ 集成 Isaac 与其他机器人框架（如 ROS/ROS 2）以支持全栈开发。 5. 研究与创新 ‒ 研究 NVIDIA Isaac 平台的最新功能和应用场景，将新技术引入仿真系统开发。 ‒ 跟踪机器人仿真领域的前沿技术（如物理引擎优化、AI 模型仿真、数字孪生技术），并应用于项目中。
1、负责机器臂/人运动控制系统的设计和架构讨论； 2、研发优化运动控制算法，实现算法模型、软件和硬件集成； 3、分析处理机器人运动控制系统中的技术问题。
1. 遥操作系统开发： ‒ 设计并实现机器人遥操作系统的核心功能，包括实时控制、低延迟通信和人机交互模块； ‒ 开发和优化远程控制算法，确保系统的响应速度和精确性。 2. 通讯与数据传输： ‒ 实现高效的远程通信协议（如TCP/IP、UDP、WebRTC），优化数据传输的低延迟和高可靠性； ‒ 处理远程视频流传输、传感器数据融合以及控制信号反馈。 3. 系统集成： ‒ 集成机器人硬件（如机械臂、移动平台、无人机）与遥操作软件模块； ‒ 实现机器人与远程操作终端之间的无缝交互。 4. 人机交互开发： ‒ 开发直观的遥操作界面（GUI）或VR/AR交互系统，提升用户的操作体验； ‒ 设计力反馈、触觉反馈等增强操控感知的功能。 5. 仿真与测试： ‒ 基于仿真工具（如Gazebo、V-REP、Unity）设计并测试遥操作系统； ‒ 在实际场景中测试系统性能，确保其稳定性和可靠性。 6. 系统优化与迭代： ‒ 分析遥操作过程中出现的问题，优化系统性能； ‒ 实现智能化辅助功能（如路径规划、碰撞检测、自动校准等）。 7. 技术文档撰写： ‒ 编写清晰的技术文档，包括设计方案、开发流程和操作手册； ‒ 为团队成员提供技术支持与培训。
1. 开发并优化货架容器 2D/3D 识别、定位与姿态估计算法，输出高鲁棒抓取位姿。 2. 机械臂运动学/动力学建模及逆解求解；轨迹规划与实时优化算法，抓取策略及柔顺控制算法开发。 3. 研发手眼标定、闭环视觉伺服与多传感器融合算法。 4. 引入并部署基于Autoregressive/Diffusion Models/VLA的端到端具身智能模型（如 RT series、π0、octo）。 5. 探索 Diffusion Policy、Imitation Learning、Reinforcement Learning等前沿方法，实现从视觉到动作的自监督或弱监督学习。 6. 搭建大规模数据采集、自动标注和自回放管线（Data Flywheel），持续迭代模型并进行线上 A/B 性能监控。 7. 与运动控制、系统集成团队密切协作，完成算法量化部署、边缘推理加速及实时监控告警。