理想汽车具身智能运控算法工程师（强化学习方向）
任职要求
1. 计算机科学、软件工程、自动化、电子工程或相关专业本科及以上学历； 2. 扎实的C++编程能力，具备在大型项目中进行开发的实际经验； 3. 有丰富的linux开发经验，熟悉大规模分布式计算系统架构； 4. 具备一定的强化学习理论理解，熟悉reward design在强化学习中的作用，能够针对VLA…
工作职责
1. 探索用于强化学习的具身智能仿真框架，提升仿真系统在强化学习场景下的效能； 2. 研究并应用强化学习reward model设计方法，结合各种场景设计奖励函数，以对具身智能决策和行为进行有效评价； 3. 参与VLA架构下仿真系统的设计与优化，确保仿真环境下具身智能算法运行的可靠性与高效率； 4. 利用历史数据和世界模型技术和资产搭建高度真实的仿真引擎，实现具身智能算法的高效闭环验证，确保仿真结果与实际车端表现高度一致。
1、参与具身智能算法模型在技能学习、动作规划、抓取操作等应用上的研发，实现多场景多任务的泛化； 2、设计、训练、部署模仿学习、强化学习、迁移学习、多模态学习等算法，构建机器人各类应用的通用技能； 3、与大模型、运控等团队合作，推动具身智能数据集、机器人平台等各项目落地实施； 4、紧跟最新技术进展，将学术界前沿创新内容进行快速复现并创新，参与相关方向的论文与专利积累。
1、参与具身智能算法模型在技能学习、动作规划、抓取操作等应用上的研发，实现多场景多任务的泛化； 2、设计、训练、部署模仿学习、强化学习、迁移学习、多模态学习等算法，构建机器人各类应用的通用技能； 3、与大模型、运控等团队合作，推动具身智能数据集、机器人平台等各项目落地实施； 4、紧跟最新技术进展，将学术界前沿创新内容进行快速复现并创新，参与相关方向的论文与专利积累。
1、调研机器人运动控制、具身智能等领域的前沿技术动态，整理并分析相关研究论文、技术报告及行业应用案例； 2、协助团队进行相关技术分析，包括但不限于机器人控制与规划中的机器学习方法，多模态大模型在机器人任务中的应用； 3、跟踪机器人在服务、消费等场景下的运动控制需求和能力，包括灵巧操作与抓取技术，全身运动与平衡控制，人机交互与任务规划等； 4、通过基础资料收集整理，支持前沿科技产品相关趋势和人群场景洞察；协助进行相关用户研究前期准备、研究执行、及相关材料撰写工作。
1、负责基于强化学习/模仿学习的双足运动控制算法的研发和调试，或负责具身智能双臂操作算法的研发和调试，确保算法的高效性和稳定性； 2、在真实机器人平台上进行训练模型的部署与调试，深入分析并解决sim2real GAP问题，确保模拟环境与真实环境之间的有效转化； 3、跟踪前沿机器人双足和双臂规划控制的研究方向，参与相关算法的验证与评估，推动技术的持续创新与应用； 4、开发机械臂底层运控算法 ，设计并实现轨迹优化、碰撞检测等核心算法，确保机器人能够高效、准确地完成复杂场景下的任务； 5、跨团队协作：与感知、硬件等相关团队紧密合作，参与机器人系统的级联调试与问题攻关，推动技术闭环的落地实施，确保项目的顺利推进。