岗位描述 找能拿强化学习算法，做四足 / 人形机器人控制、决策，会 PPO 算法，能把算法从仿真落地到真实机器人上干活的算法工程师。 岗位职责 1.负责强化学习相关算法研究与应用，针对四足机器人、人形机器人控制、路径规划、任务执行等场景，设计并实现有效的强化学习解决方案； 2.参与问题建模与算法选择，包括状态表示、动作空间设计、奖励函数设计、训练环境构建及策略优化流程； 3.负责强化学习模型的训练、调优、实验验证与效果分析，持续提升智能体决策性能和训练稳定性； 4.结合真实业务或仿真场景，推动强化学习算法从实验研究到工程落地； 5.与机器人、算法、软件工程等团队协作，完成从数据采集、环境搭建、模型训练到部署验证的全流程工作；

任职要求： 1.具备强化学习相关理论基础，熟悉 MDP、动态规划、价值函数近似、策略梯度、ActorCritic 等核心概念； 2.熟悉 PPO（Proximal Policy Optimization）原理，理解其 clipped objective、优势函数估计、KL 约束、策略更新稳定性等关键设计思想； 3.具备独立开展强化学习项目的能力，能够完成环境搭建、奖励设计、训练流程实现、参数调优和实验结果分析； 4.具备至少一个真实强化学习项目或研究经验，能够独立负责从问题定义到算法实现、模型训练、实验验证的全过程； 5.熟悉 Python 及深度学习框架，如 PyTorch，能够实现并调试 PPO、DQN、TRPO 等常见强化学习算法； 6.具备工程实践能力，能够解决训练过程中的不稳定性、收敛问题、奖励稀疏问题及算法调参问题； 7.对智能体学习、机器人控制、决策优化、强化学习仿真环境等方向有较强兴趣和实践基础； 7.具备良好的科研与工程思维，能够独立分析实验问题，形成结论并持续迭代优化。 优先条件： 1.有强化学习项目经验，尤其是 PPO、SAC、DQN、ActorCritic 相关算法的实现与实践经验； 2.具有机器人、自动驾驶、控制、智能调度、决策优化等方向强化学习应用经验； 熟悉 OpenAI Gym、MuJoCo、Isaac Gym、IsaacLab 等强化学习环境或训练平台； 3.参与过真实智能体训练、仿真平台构建、模型部署或在线学习相关工作者优先； 有算法创新、研究论文、比赛获奖、创新项目或相关科研经历者优先； 4.对强化学习与机器人结合、复杂决策系统、长期任务学习有较深理解者优先。 任职资格 1.计算机、自动化、机器人、控制、数学、人工智能等相关专业优先； 2.具备较强编程能力和工程执行力，能够独立完成研究验证和项目落地； 3.具有较强的学习能力和跨领域协作能力，能与研究、工程团队高效沟通。 基础要求： 性别要求：男女不限 学历要求：统招本科及以上，计算机、自动化、机器人、控制、人工智能、数学等相关专业 年龄要求：结合岗位市场情况： 24-38 岁 薪资范围：年薪 12-24W，12-20K / 月 * 12 薪，年终奖 1-3 个月薪资 + 项目奖金 是否接受外国人：否 收否接受海外工作/留学经历的人选:尽量国内学校