小米机器人全身运动控制算法实习生（强化学习方向）

1. 开发基于强化/模仿学习的机器人行走及全身控制策略； 2. 开发复杂地形下基于视觉的强化学习行走策略； 3. 负责算法策略的训练与移植部署，实现算法sim-to-real在机器人实机上落地应用； 4. 持续跟踪国内外前沿研究成果，并进行相关算法复现； 5. 编写相关技术文档，推动团队技术沉淀与知识共享。

【关于我们】 小鹏机器人中心致力于研发先进的人形机器人技术，包括机器人的行走、操作、智能导航，以及在大语言模型支持下的人机交互等。我们的软硬件团队覆盖深圳、上海、广州、北京和北美，组成了一支世界一流的跨领域团队。作为本团队的一员，你将成为连接人工智能与物理世界的桥梁，与其他领域的工程师共同解决前沿的科研和工程难题，并在机器人技术的发展中留下自己的印记。 负责人形机器人运动控制算法的研究与开发，包括人形机器人建模、协同规划/控制等； 应用先进的运动控制算法，机器学习算法对机器人进行全身控制； 和上下游团队进行深入合作和共同探，深⼊探索未知⼯程和技术领域，影响并参与决策；

1. 基于Isaac Gym/MuJoCo搭建高保真仿真环境，优化人形机器人运动控制RL训练的并行效率与物理精度； 2. 开发3DGS/NeRF等动态场景渲染管线，支持视觉-动力学联合仿真（sim2real迁移）； 3. 构建生成式世界模型驱动的仿真系统，实现动态场景自动生成与自适应难度调控； 4. 设计分布式仿真架构，支持万级机器人实例的实时交互与数据采集。

岗位亮点 - 参与最前沿的具身智能研究，推动人形机器人和智能体的发展； - 用数据和算法驱动机器人自然、拟人、符合物理规律的全身动作生成； - 与资深算法工程师紧密合作，获得生成式模型与机器人交叉领域的实战指导； - 与机器人“零距离接触”，将算法落地到真实机器人体内。 - 协助构建与清洗大规模多模态数据集（音频、文本、动作等）； - 跟踪并复现动作生成、人形机器人控制等方向的前沿研究成果； - 参与基于 Diffusion Transformer 或其他生成式架构的全身动作生成模型的训练、调优与评估； - 与运动控制部门紧密协作，确保生成的动作满足机器人运动稳定性与物理可行性要求。