规控算法工程师（模型/强化学习方向）

岗位职责 1. 负责移动机器人的运动规划、决策与控制算法的设计、开发与部署。 2. 研发并优化基于模型与数据驱动相结合的规控算法，包括但不限于：模型预测控制（MPC）、轨迹优化、行为树/状态机决策，以及强化学习（RL）策略。 3. 设计并实现基于强化学习（如模仿学习、离线/在线RL、逆强化学习）的决策与运动规划算法，解决动态、非结构化环境下的适应性控制问题。 4. 主导算法从仿真训练（Gazebo, Isaac Sim, MuJoCo等）、Sim2Real迁移到实体机器人部署的全流程，负责系统集成、参数整定与实机性能调优。 5. 与感知、建图、硬件团队紧密协作，解决多模块耦合中的实际问题，提升机器人系统的整体鲁棒性、智能性与效率。 6. 撰写核心算法文档与技术报告，跟踪并推动前沿技术（如大模型与规划结合、端到端决策）在机器人产品中的落地探索。

任职要求： 1. 本科及以上学历，机器人学、控制科学与工程、计算机、人工智能等相关专业。 2. 3年左右机器人规划控制算法研发经验，有完整的算法开发并实际部署到机器人产品的经历。 3. 具备扎实的强化学习理论基础，熟悉主流RL框架（如PyTorch, TensorFlow, RLlib, Stable-Baselines3），具有将强化学习应用于机器人决策或运动控制的实际项目经验，例如使用RL进行局部避障、多任务决策等。 4. 精通Linux下的C++/Python开发，代码结构清晰，注重性能与可维护性。 5. 熟练掌握ROS/ROS2 框架，具备机器人系统集成与调试的丰富经验。 6. 熟悉机器人常用仿真工具（Gazebo, MuJoCo, Isaac Sim, Webots等），能独立构建算法训练与验证仿真环境。 7. 有实体机器人（如移动底盘、机械臂、人形机器人等）的驱动、通信（CAN/ Ethernet）和闭环控制调试经验。