【工作职责】

1.负责规控与控制策略的强化学习建模，设计奖励函数、搭建策略网络。

2.基于 PPO、AMP 等算法，在 Isaac Gym、Isaac Lab、MuJoCo、Gazebo 等仿真环境开展大规模并行训练。

3.研发领域自适应与域随机化方法，缓解策略在真实具身智能设备（无人机、无人车、机器狗、机器人等）上的震荡、失稳与性能退化问题，提升 sim2real 成功率。

4.建立标准化仿真回归测试流程，完成万次级策略验证与规划逻辑回归测试，评估策略稳定性与失效边界。

【任职要求】

1.控制理论、计算机科学相关专业硕士/博士学历，系统修读过《深度强化学习》《非线性动力学》，理论基础扎实。

2.精通 Isaac Gym、Isaac Lab、MuJoCo 大规模仿真流程，具备千量级以上 Agent 并发训练的算力调度经验。

3.擅长奖励函数设计，有通过域随机化解决硬件失准与震荡的实操经验，具备 sim2real 相关理解与落地能力。

4.能设计自动化回归测试逻辑，量化评估 RL 策略鲁棒性上限，有标准化代码与流程记录习惯。

5.具备优秀科研与实验习惯，可系统性分析模型不收敛原因，而非盲目调参。