蚂蚁金服蚂蚁集团-具身强化学习算法工程师-上海
任职要求
1、硕士及以上学历，机器人学、强化学习、计算机科学、控制工程等相关专业
2、3年以上强化学习研发经验，有机器人/具身智能领域落地…工作职责
1、高保真物理仿真器中搭建VLA模型的强化学习训练pipeline，探索VLA与RL的深度融合 2、深度理解强化学习算法，基于预训练VLA模型设计并实现RL训练方法（包含不限于离线RL、Critic、数据增强、在线RL） 3、解决仿真策略到真机部署的Sim2Real gap：接触物理差异、观测差异、执行器差异
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。
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。
安克实习生项目是面向正式校招岗位的人才培养与选拔通道。实习期间将按照校招标准进行系统的培养与综合评估，表现优秀者可直接获得校招转正机会，提前锁定正式校招席位。我们以严肃、长期的视角对待每一位实习生，也期待与你共同成长。 【你将参与】 1.参与具身操作模型（VA/VLA/WAM）的监督微调（SFT）和强化学习（RL），包括数据格式设计、训练配置、效果评估与 benchmark 分析 2.负责在真实机器人平台上设计并实施 RL 训练方案，通过真机数据迭代提升具身操作模型在复杂、非结构化环境下的泛化能力与鲁棒性 3.参与设计与训练通用奖励模型，通过奖励模型引导，实现长程任务（Long-horizon tasks）下的高效真机强化学习 4.跟踪前沿具身智能方向论文，探索基础模型与 RL 结合的最新技术，推动其在真机任务中的表现超越传统模仿学习方法
1. 深入理解美团无人机业务场景，探究以类人形具身算法数据采集与算法训练的最优配合范式，设计高效的数据闭环方案，以提升具身智能模型在真实物理世界中的泛化能力。 2. 针对非结构化环境下的感知与决策难题，研发创新性的具身智能算法，并探索其在无人机/机器人系统中的实际部署边界与应用价值。 3. 依托公司真实场景数据与高校合作资源，定义并解决具身智能领域的关键科学问题，参与前沿学术会议的高质量论文产出。 4、负责将AI工具与方法应用于算法研发全流程，提升开发效率与解决方案的智能化水平；