The posting
岗位职责 1. 负责机器人强化学习模型的训练、调参与优化,提高策略稳定性与运动表现。 2. 在仿真环境中进行大量实验,调整奖励函数、观测空间、训练参数等关键因素,持续迭代策略效果。 3. 将训练得到的策略模型部署到真实机器人系统中,完成策略验证与调试。 4. 分析仿真与真实机器人运行表现,定位问题并推动策略优化与 sim-to-real 适配。 5. 整理训练流程、实验数据与部署经验,形成规范化训练与应用流程。
1. 熟练使用 Python,c++,能够阅读和理解强化学习或机器人控制相关代码。 2. 了解强化学习基本原理(如 PPO 等策略梯度算法)或机器人运动控制基础。 3. 有仿真训练经验(Isaac Gym / Mujoco / Isaac Sim / RL 框架等)者优先。 4. 具备较强实验能力与问题分析能力,能够进行系统化调参与效果验证。 5. 对机器人运动控制、强化学习或具身智能方向有浓厚兴趣,愿意深入实践与优化



