京东运动控制算法工程师（RL & Simulation）

该岗位分3个方向，请同学们仔细阅读岗位JD，选择适合自己的方向进行投递。 【机器人算法工程师】（规划&控制方向） 职位描述： 1、负责机器人运动学、动力学建模，并实现机器人运动或者路径规划，运动控制等算法； 2、有机器人导航， 机械手臂抓取， 液压控制等相关机器人项目经验； 3、对接硬件、产品等职能同事，实现机器人整体功能的实现和调试； 4、负责算法的优化、移植和产品化。 【机器人算法工程师】（感知&建模方向） 职位描述： 1、负责工程机械智能化场景中基于深度学习激光雷达点云的3D目标检测、分割、跟踪等算法的研发及迭代优化； 2、参与工程机械智能化项目中的感知研发，开发并优化适用于复杂工况（如施工场景、恶劣天气条件）的点云处理和感知算法。 3、推动感知算法在工程机械智能化产品中的落地与优化提升，确保算法的高效运行和实时性； 4、结合工程机械的实际需求，对激光雷达点云数据进行预处理、特征提取和分析，为后续的感知任务提供高质量的数据支持； 5、参与多传感器融合算法的研发，探索激光雷达与其他传感器（如摄像头、IMU等）的协同工作模式，提高工程机械的环境感知能力； 6、跟踪和研究点云感知领域的最新技术动态，将其应用到实际项目中，保持公司技术的领先性。 【机器人算法工程师】（具身智能方向） 职位描述： 1、深入研究机器人多模态大模型（VLA模型）的理论及应用，包括预训练、微调策略、以及效果优化； 2、负责基于大模型的决策控制算法设计，探索前沿模仿学习（如 ACT、DP）及 Model-Based RL 算法在机器人上的研究与创新； 3、基于大模型开发创新算法框架，探索具身智能机器人实际场景中的应用方向，如 RT 系列等； 4、负责最新文献调研，跟踪多模态模型与机器人领域结合的技术前沿，提出具有创新性的研究思路； 5、参与并主导自定义数据集构建、特定任务的模型训练与评估； 6、推动具身智能系统算法在复杂场景下的理论研究，探索工程机械场景智能化解决方案。

1.负责具身智能的核心算法研发，聚焦强化学习（RL）与模仿学习（IL）技术，推动智能体在复杂物理环境中的感知、决策与行动能力； 2.设计并实现基于强化学习的端到端训练框架，解决稀疏奖励、多任务学习、长周期规划等挑战性问题； 3.开发高效的模仿学习算法，结合人类示范数据与自主探索策略，提升智能体在真实场景中的泛化性与安全性； 4.针对机器人控制、多模态感知-动作闭环等场景，优化算法在计算效率、实时性与鲁棒性方面的表现； 5.与硬件、仿真团队紧密协作，推动算法在实体机器人或虚拟环境中的部署与验证。

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。

1，算法开发与优化： 负责自动驾驶模型算法的研发设计，包括但不限于行为决策、轨迹生成、运动规划等模块的深度学习/强化学习模型设计 探索基于Transformer、模仿学习（Imitation Learning）、强化学习（RL）等前沿技术的模型算法设计、应用方案 优化自动驾驶算法的实时性、安全性和舒适性，解决复杂场景（如拥堵、交互博弈、长尾问题）下的规划挑战 2，数据驱动迭代： 构建和利用大规模驾驶数据集（仿真+真实数据），设计数据闭环 pipeline 提升规划性能 参与数据标注、场景挖掘、仿真测试等环节，推动算法迭代 3，系统集成与部署： 与感知、控制等模块团队协作，实现模型算法在车载计算平台的部署 支持实车测试，分析问题并提出改进方案。 4，前沿技术跟踪： 跟进学术界（如CVPR、ICRA、CoRL）和工业界最新进展，将创新技术落地到量产或研发项目中