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. 探索具身智能系统中的强化学习算法，针对端到端大模型的训练范式进行优化，确保算法在车端平台的高效部署； 2. 专注于开发和实现创新的强化学习算法和架构，推动具身智能系统性能的提升，特别是在 MPI 性能方面的突破； 3. 探索具身智能系统的分布式训练框架建设，优化计算资源和内存瓶颈，支持大规模模型的高效训练与推理； 4. 跟踪强化学习和具身智能领域的最新技术进展，推动新技术的实验验证和应用落地，推动技术前沿的突破； 5. 跨团队紧密合作，确保 AI 模型在生产环境中部署，满足高性能和高可靠性的要求。
负责下一代机器人通用运动控制器的研发与工程落地，具体包括： ● 研发支持多模态指令的通用运动控制算法，实现对任意自然动作指令的高保真执行； ● 设计并实现面向复杂地形与动态环境的自适应运动策略，显著提升机器人的稳定性、鲁棒性与环境适应能力； ● 搭建高保真仿真环境，开展强化学习算法的大规模训练与验证，通过实验分析持续迭代优化控制策略； ● 与上游动作预测与意图理解算法紧密协作，构建支持自主交互的运动控制能力。
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。