岗位职责： 1. 端到端控制模型训练：基于 Isaac Sim 等物理仿真环境，利用强化学习（RL）和模仿学习（IL）等算法，训练从视觉输入（RGB-D等多模态感知）到 7 轴力控机械臂动作输出的端到端（Vision-Action）控制模型； 2. 复杂工业任务攻坚：针对⼯⼚实际作业需求，解决⽆序抓取等高难度任务。设计高效的奖励函数与探索策略，提升模型在不同光照、材质、⼯件摆放姿态下的零样本泛化能力； 3. 多层级协同控制策略设计：负责从双臂协同，到上半身协同（双臂+腰部），再到全身协同（双臂+腰部+轮式底盘）的动作策略网络设计与联合训练，突破大尺寸工件搬运、复杂柔性装配等全身作业难题； 4. Sim-to-Real 迁移与实机微调：深度参与从仿真到真机的模型迁移工作。运用域随机化、数据增强等技术缩小物理鸿沟；利用平台采集的实机运行数据，开展“人在回路”的真机微调，确保算法在真实产线稳定落地。 任职要求： 1. 人工智能、机器人、计算机、自动化等相关专业硕士及以上学历（博士优先）； 2. 核心算法能力：扎实的深度学习与强化学习基础，精通至少一种主流 RL 算法（如 PPO, SAC 等），熟悉端到端具身控制主流架构（如 Diffusion Policy, ACT, Transformer-based 控制策略等）； 3. 仿真开发经验：熟练掌握 PyTorch，拥有丰富的 Isaac Sim / Isaac Lab 或 Robosuite 环境下的强化学习大规模训练经验； 4. 机器人控制Know-How：了解机器人运动学与动力学基础，熟悉 7 轴力控机械臂（如 Franka, Flexiv 等）的控制特性；有全身协同控制（Whole-Body Control, WBC）经验者加分； 5. 工程落地能力：具备极强的工程实践能力，有成功的 Sim-to-Real 落地经验。有真实机器人在工业场景下端到端算法部署闭环经历者优先考虑； 6. 主动性强，具备优秀的沟通与团队协作能力，能够与其他团队合作完成任务； 7. 加分项：在 CoRL, ICRA, IROS, CVPR, NeurIPS 等顶级会议发表过具身智能或强化学习相关高水平论文；熟悉底层通信及部署框架，能够优化端到端模型的推理延迟。

岗位职责： 1. 前沿VLA模型创新与研发： 持续追踪并复现具身智能与多模态大模型领域的前沿工作（如 OpenVLA, RT-X, Octo, PI0.5 等），在模型架构、多模态融合（视觉、语言、本体状态、动作空间）等方面进行创新型研究； 2. 大模型预训练 (Pre-training)： 负责 VLM/VLA 模型的大规模预训练工作。探索跨embodiment数据集（互联网视频数据、多模态图文数据、机器人真实/仿真数据）的最佳配比与 scaling law，提升模型的泛化能力与物理世界常识； 3. 策略后训练与对齐 (Post-training)： 设计并优化面向特定机器人任务的后训练方案。包括但不限于监督微调 (SFT)、行为克隆 (Imitation Learning)、离线/在线强化学习 (Offline/Online RL)、基于人类反馈的强化学习 (RLHF/DPO) 等，解决复杂长程任务和精细操作的对齐问题； 4. 仿真与真机闭环验证： 与工程及硬件团队协作，建立科学的 VLA 模型评估体系（Benchmark）。分析预训练与后训练阶段的 bad case，推动数据飞轮建设与模型算法的快速迭代； 5. 前瞻性技术探索： 探索世界模型 (World Models)、扩散策略 (Diffusion Policy) 与自回归架构的结合，以及端到端训练中的稳定性与灾难性遗忘等核心痛点。 任职要求： 1. 硕士及以上学历，计算机、人工智能、机器人等相关专业（博士优先） 2. 扎实的深度学习基础，精通 PyTorch 或 JAX，具备优秀的算法实现与工程debug能力； 3. 全链路训练经验： 深入理解大模型训练范式，具备 Pre-train 与 Post-train 的实际项目经验，熟悉数据构造、指令微调、RL 对齐等完整流程； 4. 熟悉分布式训练架构（如 Megatron-LM, DeepSpeed, FSDP等），有大规模集群多卡训练经验； 5. 具备敏锐的学术直觉和极强的创新意愿，能够快速阅读、拆解最新顶会 Paper 并将其转化为可落地的代码方案。 加分项（满足其一即可优先考虑）： 1. 学术影响力： 以第一作者在顶尖学术会议（如 CVPR, ICCV, ICLR, ICML, NeurIPS, RSS, CoRL, ICRA 等）发表过具身智能、多模态大模型、强化学习相关的高质量论文； 2. 开源贡献： 主导或核心参与过具有较高影响力的开源项目（如开源 VLM/VLA 模型、具身智能数据集或训练框架）； 3. 真实场景落地： 有在人形机器人、四足机器人或双臂/单臂机械臂上成功部署端到端大模型并完成复杂任务的经验； 4. 熟悉 Isaac Sim / Mujoco 等仿真环境，了解 sim-to-real gap 的常见处理方法。

岗位职责： 1、需求转化与方案设计 （1）深入工业场景客户产线，通过现场观察、流程分析与数据采集，精准识别产线中的物理约束与安全边界，与客户对齐方案预期，在开发资源投入前识别并规避关键风险。 （2）结合机器人系统的运动学/动力学特性、感知能力边界与作业工况，将客户模糊的业务诉求转化为技术方案与技术指标，确保技术方案与业务价值的闭环。 2、应用开发与算法优化 （1）负责定位-感知-决策-规划-控制-执行全链路的任务调度逻辑与状态机开发，设计模块间的通信链路与通信协议，解决时序配合、资源竞争及异常处理等系统级问题。 （2）针对具体作业场景，对核心算法进行深度调优，包括但不限于底盘规控、机械臂规控、视觉感知及SLAM定位。 3、仿真摸底与实机验证 （1）针对每个项目的特定作业场景，快速搭建或复用仿真环境，打通“场景建模-算法加载-流程跑通”的仿真链路，完成基本的功能逻辑验证。 （2）主导Sim-to-Real迁移，将仿真验证通过的算法部署至实机平台，在真实工况下完成基本性能验证，为现场联调交付可运行的软件基线。 4、系统部署与现场联调 （1）负责机器人在客户现场的全链路部署，包括硬件状态点检、软件环境加载、通信链路联通及安全回路校验。 （2）以真实负载在作业工况下进行机器人整机系统的全流程联调，完成控制参数整定、感知阈值修正与任务逻辑适配，针对任务需求持续迭代软件版本直至达成任务成功率与生产节拍的双重验收标准。 5、问题攻坚与交付沉淀 （1）面对现场软硬件综合的疑难杂症，在时间压力下快速建立排障路径，负责问题的初步定位与根因推断，并主动拉动软件、硬件等跨团队资源联合攻关，直至问题收敛闭环。 （2）将项目交付期间的部署配置、调试记录、故障诊断逻辑等固化为结构化文档或自动化工具，并定期回溯多项目的共性问题与长尾问题，推动标准化交付流程迭代，把每次现场经验沉淀为团队长期资产。 岗位要求： 1、全日制硕士学历，机器人、自动化、车辆工程、机械工程、计算机、人工智能等相关专业。 2、有移动机器人、自动驾驶、机械臂、自动化设备等行业软件开发及项目落地经验。 3、精通C++编程，熟悉Linux开发环境，具备ROS2实际项目开发经验。 4、我们希望你具备以下部分方向的扎实经验，而非全部： （1）熟悉移动底盘运动学/动力学建模，掌握常用规划算法（A*、RRT、DWA、TEB等）与控制算法（PID、Pure Pursuit、MPC、自适应控制等）。 （2）了解机械臂运动学/动力学基础与力位混合控制原理，了解多传感器标定与目标检测等视觉感知基础。 （3）熟悉电机、驱动器的工作原理及使用方法，熟悉机器人常用传感器（激光雷达、相机、IMU、编码器等）的数据读取与处理。 （4）熟悉RS485、CAN、EtherCAT等通信方式，并具备相关调试经验。 （5）具备Sim-to-Real经验，至少使用过一种机器人仿真平台（Gazebo、MuJoCo、Isaac等）。 5、具备良好的抗压能力与动手能力，适应工厂环境，接受项目关键阶段出差，保障项目交付。

岗位职责： 1. 负责轮臂式机器人中轮式底盘运动控制系统的整体方案设计与实现。 2. 负责移动底盘的运动学与动力学建模。 3. 开发移动底盘运动规划算法，包括全局路径规划与局部轨迹优化，生成高效的无碰撞轨迹。 4. 开发移动底盘横/纵向运动控制算法，实现高精度、平稳的轨迹跟踪。 5. 基于ROS2开发规划、控制模块对外接口，实现与决策、感知、定位等其它软件模块的系统集成。 6. 搭建仿真测试环境，验证控制算法在仿真环境下的稳定性和可靠性，并实现仿真到实机的算法迁移。 7. 优化控制算法在嵌入式平台上的性能和实时性。 8. 负责底盘控制系统的整机联调、稳定性验证、性能测试与现场调试。 职位要求： 1. 硕士及以上学历，机器人、自动化、车辆工程、机械工程、计算机等相关专业。 2. AGV、AMR、无人车、自动驾驶等行业运动控制软件开发及项目落地经验。 3. 熟悉自动控制原理，熟悉运动学/动力学建模，熟悉常用的轮式底盘结构特性。 4. 精通C++编程，熟悉Linux基本应用，具备ROS2实际项目开发经验。 5. 熟悉常用全局规划算法（A*、Dijkstra、RRT等）。 6. 熟悉常用局部规划算法（DWA、TEB、Lattice Planner等）。 7. 熟悉常用控制算法（PID、Pure Pursuit、MPC、自适应控制等）。 8. 熟悉电机、驱动器的工作原理及使用方法，熟悉常用传感器（编码器、IMU、激光雷达）的数据读取与处理。 9. 了解RS485、CAN、EtherCAT等通信方式，并具备相关调试经验。 10. 至少使用过一种机器人仿真平台（Gazebo、MuJoCo、Isaac等）。 加分项： 1. 精通实时控制系统的性能优化。 2. 具备机械臂运动控制开发经验。 3. 具备强化学习在运动控制中的应用经验。

岗位职责： 1.设计、实现及测试三维场景感知算法，并应用于具身智能体的导航、抓取及物体操作； 2.负责基于3D视觉的机器人感知信息融合、状态估计以及场景理解算法的研发； 3.与机械臂其他模块协同，整合算法系统，完成实机部署与测试。 岗位要求： 1. 专业背景 计算机、人工智能、自动化、机器人工程等相关专业，硕士及以上学历。 2. 核心技术能力 （1）熟悉RGB-D、点云（Point Cloud）、体素（Voxel）、网格（Mesh）等三维视觉基础理论与相关技术； （2）掌握SDF、NeRF等神经3D表示法相关算法原理及应用。 3. 相关项目/研究方向（具备任一即可） （1）三维点云场景理解、三维地图重建相关研究或项目经验； （2）基于三维输入的机器人物体抓取、操控学习相关经验； （3）六维物体位姿估计（6D Pose Estimation）相关算法研发经验； （4）多视图立体视觉（Multiview Stereo, MVS）相关技术研究与落地经验； （5）机械臂抓取点检测、生成算法研发及优化经验。 4. 工程能力 精通 C++ / Python 编程语言，熟练使用Linux操作系统，具备扎实的算法工程落地与优化能力。

岗位职责： 1.需求转化与方案设计 （1）深入工业场景客户产线，通过现场观察、流程分析与数据采集，精准识别产线中的物理约束与安全边界，与客户对齐方案预期，在开发资源投入前识别并规避关键风险。 （2）结合机器人系统的运动学/动力学特性、感知能力边界与作业工况，将客户模糊的业务诉求转化为技术方案与技术指标，确保技术方案与业务价值的闭环。 2.应用开发与算法优化 （1）负责定位-感知-决策-规划-控制-执行全链路的任务调度逻辑与状态机开发，设计模块间的通信链路与通信协议，解决时序配合、资源竞争及异常处理等系统级问题。 （2）针对具体作业场景，对核心算法进行深度调优，包括但不限于底盘规控、机械臂规控、视觉感知及SLAM定位。 3.仿真摸底与实机验证 （1）针对每个项目的特定作业场景，快速搭建或复用仿真环境，打通“场景建模-算法加载-流程跑通”的仿真链路，完成基本的功能逻辑验证。 （2）主导Sim-to-Real迁移，将仿真验证通过的算法部署至实机平台，在真实工况下完成基本性能验证，为现场联调交付可运行的软件基线。 4.系统部署与现场联调 （1）负责机器人在客户现场的全链路部署，包括硬件状态点检、软件环境加载、通信链路联通及安全回路校验。 （2）以真实负载在作业工况下进行机器人整机系统的全流程联调，完成控制参数整定、感知阈值修正与任务逻辑适配，针对任务需求持续迭代软件版本直至达成任务成功率与生产节拍的双重验收标准。 5.问题攻坚与交付沉淀 （1）面对现场软硬件综合的疑难杂症，在时间压力下快速建立排障路径，负责问题的初步定位与根因推断，并主动拉动软件、硬件等跨团队资源联合攻关，直至问题收敛闭环。 （2）将项目交付期间的部署配置、调试记录、故障诊断逻辑等固化为结构化文档或自动化工具，并定期回溯多项目的共性问题与长尾问题，推动标准化交付流程迭代，把每次现场经验沉淀为团队长期资产。 岗位要求： 1.全日制硕士学历，机器人、自动化、车辆工程、机械工程、计算机、人工智能等相关专业。 2.三年及以上移动机器人、自动驾驶、机械臂、自动化设备等行业软件开发及项目落地经验。 3.精通C++编程，熟悉Linux开发环境，具备ROS2实际项目开发经验。 4.我们希望你具备以下部分方向的扎实经验，而非全部： （1）熟悉移动底盘运动学/动力学建模，掌握常用规划算法（A*、RRT、DWA、TEB等）与控制算法（PID、Pure Pursuit、MPC、自适应控制等）。 （2）了解机械臂运动学/动力学基础与力位混合控制原理，了解多传感器标定与目标检测等视觉感知基础。 （3）熟悉电机、驱动器的工作原理及使用方法，熟悉机器人常用传感器（激光雷达、相机、IMU、编码器等）的数据读取与处理。 （4）熟悉RS485、CAN、EtherCAT等通信方式，并具备相关调试经验。 （5）具备Sim-to-Real经验，至少使用过一种机器人仿真平台（Gazebo、MuJoCo、Isaac等）。 5.具备良好的抗压能力与动手能力，适应工厂环境，接受项目关键阶段出差，保障项目交付。

岗位职责： 1. 负责轮臂式机器人中轮式底盘运动控制系统的整体方案设计与实现。 2. 负责移动底盘的运动学与动力学建模。 3. 开发移动底盘运动规划算法，包括全局路径规划与局部轨迹优化，生成高效的无碰撞轨迹。 4. 开发移动底盘横/纵向运动控制算法，实现高精度、平稳的轨迹跟踪。 5. 基于ROS2开发规划、控制模块对外接口，实现与决策、感知、定位等其它软件模块的系统集成。 6. 搭建仿真测试环境，验证控制算法在仿真环境下的稳定性和可靠性，并实现仿真到实机的算法迁移。 7. 优化控制算法在嵌入式平台上的性能和实时性。 8. 负责底盘控制系统的整机联调、稳定性验证、性能测试与现场调试。 职位要求： 1. 硕士及以上学历，机器人、自动化、车辆工程、机械工程、计算机等相关专业。 2. 三年以上AGV、AMR、无人车、自动驾驶等行业运动控制软件开发及项目落地经验。 3. 熟悉自动控制原理，熟悉运动学/动力学建模，熟悉常用的轮式底盘结构特性。 4. 精通C++编程，熟悉Linux基本应用，具备ROS2实际项目开发经验。 5. 熟悉常用全局规划算法（A*、Dijkstra、RRT等）。 6. 熟悉常用局部规划算法（DWA、TEB、Lattice Planner等）。 7. 熟悉常用控制算法（PID、Pure Pursuit、MPC、自适应控制等）。 8. 熟悉电机、驱动器的工作原理及使用方法，熟悉常用传感器（编码器、IMU、激光雷达）的数据读取与处理。 9. 了解RS485、CAN、EtherCAT等通信方式，并具备相关调试经验。 10. 至少使用过一种机器人仿真平台（Gazebo、MuJoCo、Isaac等）。 加分项： 1. 精通实时控制系统的性能优化。 2. 具备机械臂运动控制开发经验。 3. 具备强化学习在运动控制中的应用经验。

岗位职责： 1.设计、实现及测试三维场景感知算法，并应用于具身智能体的导航、抓取及物体操作； 2.负责基于3D视觉的机器人感知信息融合、状态估计以及场景理解算法的研发； 3.与机械臂其他模块协同，整合算法系统，完成实机部署与测试。 岗位要求： 1. 专业背景 计算机、人工智能、自动化、机器人工程等相关专业，硕士及以上学历。 2. 核心技术能力 （1）熟悉RGB-D、点云（Point Cloud）、体素（Voxel）、网格（Mesh）等三维视觉基础理论与相关技术； （2）掌握SDF、NeRF等神经3D表示法相关算法原理及应用。 3. 相关项目/研究方向（具备任一即可） （1）三维点云场景理解、三维地图重建相关研究或项目经验； （2）基于三维输入的机器人物体抓取、操控学习相关经验； （3）六维物体位姿估计（6D Pose Estimation）相关算法研发经验； （4）多视图立体视觉（Multiview Stereo, MVS）相关技术研究与落地经验； （5）机械臂抓取点检测、生成算法研发及优化经验。 4. 工程能力 精通 C++ / Python 编程语言，熟练使用Linux操作系统，具备扎实的算法工程落地与优化能力。

1.构建仿真场景建模方案，采集真实场景数据并基于Isaac Sim搭建高可用机器人仿真场景库，支持传感器仿真渲染、物理仿真交互等，持续迭代场景建模精度、可用性和效率; 2.提升具身智能仿真中物理交互操作的真实性，提升sim-real的迁移率; 3.优化大规模仿真场景的三维重建算法，提升场景重建的效率和真实度; 4.构建仿真场景评测指标体系，提供场景效果评测依据;

1、负责带领技术团队研发行业领先的端到端具身智能算法，面向真实场景解决机器人精细操作问题;2、负责与软硬件团队配合进行算法的部署、调试与验证，实现真实场景落地; 3、与顶尖高校学术团队协同攻关具身智能前沿技术问题，产出顶会/顶刊论文，参与学术交流。

1.负责移动机器人系统软件开发，负责不限于通信中间件、硬件资源封装、系统调度等部分的核心基础软件的设计与开发;2.负责移动机器人系统应用服务开发，负责不限于系统状态机、诊断、OTA、启动管理等部分的核心基础服务的设计与开发; 3.负责基于ROS操作系统的机器人应用程序开发; 4.参与机器人软件集成和测试工作。

1、负责带领技术团队研发行业领先的端到端具身智能算法，面向真实场景解决机器人精细操作问题;2、负责与软硬件团队配合进行算法的部署、调试与验证，实现真实场景落地; 3、与顶尖高校学术团队协同攻关具身智能前沿技术问题，产出顶会/顶刊论文，参与学术交流。

1.仿真场景搭建与还原:基于真实工业场景(如工厂产线等)的采集数据(点云、CAD图纸、图像等)，在NVIDIAlsaac Sim环境中构建高逼真度的3D物理仿真场景; 2.资产与材质管理:建立和维护具身智能仿真资产库，处理USD格式文件，优化模型的光照、材质、纹理，以满足视觉算法的合成数据生成需求; 3.物理属性配置:为仿真场景中的物体及机器人配置准确的物理参数(如质量、摩擦力、碰撞体、关节阻尼、软体/刚体动力学等)，最大限度缩小Sim-to-Real的物理鸿沟; 4.协同与环境优化:与强化学习和视觉感知算法工程师紧密配合，利用Isaac Sim的PythonAPI实现场景参数化生成、域随机化等，为下游模型的并行训练提供稳定、高效的仿真环境。

1.构建基于1saac Lab的强化学习训练平台(Python/C++)，包括整体架构设计开发、仿真/交互/训练/评估等核心模块设计开 发等; 2.持续优化仿真&强化学习训练的效果和效率，提升大规模任务训练能力;3.建设仿真训练平台配套工具、前端交互页面等，提升平台易用性: