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. 具有应用数学、计算机科学、人工智能、机器人等相关领域的硕士或博士学位，或在上述领域有同等工作经验； 2. 具备强化学习的深入理解与应用经验，能够设计和优化复杂的决策系统，特别是在机器人领域的实践经验者优先； 3. 熟悉强化学习的理论与实践，精通主流强化学习框架（如TensorFlow、PyTorch、JAX等）； 4. 熟…
工作职责
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。
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。
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。