小米顶尖应届--机器人强化学习算法研究员-机器人事业部
任职要求
1. 硕士及以上学历，机器人、计算机、人工智能、机器学习、应用数学等专业，理论功底深厚，有相关足式机器人传统控制经验更优； 2. 具有强化学习相关项目研究经验，熟悉Mujoco、Pybullet、Isaac Sim/Gym等机器人仿真平台，熟悉Linux、…
工作职责
1. 开发基于机器学习的机器人控制策略，完成机器人端对端的算法训练与部署； 2. 负责算法策略的训练与移植部署，实现算法sim2real在机器人实机上落地应用； 3. 持续跟踪国内外前沿研究成果，并进行相关算法复现，参与相关方向的论文与专利积累。 【课题名称】 机器人强化学习算法研究 【课题内容】 追踪当下前沿机器人强化学习算法，复现并创新。
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。 【课题名称】 机器人具身智能算法研究 【课题内容】 追踪当下前沿机器人具身智能算法，复现并创新。
1.负责多自由度灵巧手的控制算法开发，具体应用包括功能性抓取和手内操作； 2.基于人类数据的VLA/VLM多模态大模型训练及微调； 3.开展结合视觉，触觉和关节力的多模态灵巧手控制方法研究，能对硬件设计提出相关指标性要求； 4.灵巧手相关的仿真平台和数据采集训练平台的搭建。 【课题名称】 多自由度灵巧手控制算法开发 【课题内容】 跟踪技术前沿，进行多自由度灵巧手的控制算法开发预研。
1. 研究并实现适用于自动驾驶场景的强化学习/模仿学习/混合学习策略； 2. 推动策略优化算法在实车数据和仿真数据间的迁移落地； 3. 联合量产团队完成RL策略在真实驾驶系统中的部署与评估。 【课题名称】 基于强化学习的E2E Planning 【课题内容】 致力于通过强化学习范式建立从视觉输入到控制输出的直接路径，强调在长期决策、稀疏奖励、环境反馈闭环中建模agent的真实驾驶行为。探索强化学习在自动驾驶E2E系统中的策略稳定性、泛化性与数据效率。
1. 研究并实现适用于自动驾驶场景的强化学习/模仿学习/混合学习策略； 2. 推动策略优化算法在实车数据和仿真数据间的迁移落地； 3. 联合量产团队完成RL策略在真实驾驶系统中的部署与评估。 【课题名称】 基于强化学习的E2E Planning 【课题内容】 致力于通过强化学习范式建立从视觉输入到控制输出的直接路径，强调在长期决策、稀疏奖励、环境反馈闭环中建模agent的真实驾驶行为。探索强化学习在自动驾驶E2E系统中的策略稳定性、泛化性与数据效率。