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. 熟练掌握Python，具备深厚的软件工程能力，能够高效进行大规模分布式计算与内存优化； 5. 具有深度学习基础，熟悉优化算法、损失函数和神经网络架构，能够处理大规模数据集和高效训练； 6. 在大规模分布式计算和并行处理方面有丰富经验，能够解决大模型训练中的计算瓶颈； 7. 具备良好的团队合作能力，能够跨职能合作解决复杂系统级问题。
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。
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、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。