知名上市公司背景人形机器人初创具身智能算法高管

北京市 全职 RMB800,000 - RMB1,500,000 年薪 查看职位描述

关于我们的客户

一家有上市公司产业背景的初创人形机器人公司，面向真实业务场景推进人形机器人在感知、决策、控制和交付链路上的工程化落地

设计并迭代人形机器人具身智能算法总体架构，打通视觉-语言-动作（VLA）/世界模型-技能策略-低层控制的完整链路。
负责将端到端大模型输出与底层控制系统耦合，包括但不限于：技能分解、动作表示、目标状态生成、约束传递、反馈闭环与失效回退。
基于人类遥操作与示范数据，开发用于灵巧操作和双臂/全身操作的学习算法，包括 ACT、Diffusion Policy、模仿学习、行为克隆 等方向。
负责 Sim-to-Real 强化学习方案设计与落地，包括域随机化、动力学扰动、接触建模、奖励设计、策略蒸馏、残差策略或策略后训练，使仿真策略可零样本或少样本迁移到真机。
负责全身控制（WBC）与模型预测控制（MPC）在真机上的工程部署，支持机器人在真实关节力矩、接触约束和扰动条件下完成稳定控制。
推动机器人执行高动态、高泛化、类人化任务，例如行走+操作、动态避障、接触丰富操作、复杂场景中的连续任务执行。
建设算法训练、评测和部署流水线，包括数据采集、仿真训练、策略导出、真机验证、回放复盘与性能分析。
与机器人本体、控制、软件平台、数据、硬件和产品团队协同，推动算法在真实机器人上的可复现、可维护和可扩展。

具备端到端大模型（VLA）与世界模型（WA）跟底层运动控制的深度耦合能力，理解从高层语义、任务分解到底层动作/力矩控制的接口设计与系统约束。
具备基于扩散策略或 ACT 等算法，从人类遥操作数据中学习灵巧操作技能的能力，理解动作块、动作分布建模、视觉条件输入与多步闭环执行。
具备通过 Sim-to-Real 强化学习将仿真策略迁移至真实关节力矩与接触约束下的能力，理解域随机化、动力学偏差、扰动鲁棒性、策略部署与真机安全边界。
熟悉全身控制（WBC）与模型预测控制（MPC）的工程部署，理解多任务优先级、接触约束、状态估计、轨迹优化与高频控制回路。
具备能够让机器人执行高动态、高泛化、类人化任务的能力，在全身行走、运动跟踪、动态操作或长程任务中有实际成果者优先。