核心控制算法研发：负责人形机器人全身运动控制算法的研发与优化，确保机器人在各种地形和扰动下的动态平衡与稳定行走。
动力学与运动学求解：设计和实现基于多体动力学的全驱动控制算法，解决复杂环境下的接触力规划、质心轨迹规划及逆动力学求解。
步态规划与生成：研究并开发先进的步态规划算法（如ZMP控制、倒立摆模型、全身动力学步态），实现平滑、自然、鲁棒的双足或多足步态。
平衡与姿态控制：设计高鲁棒性的平衡控制器（如MPC模型预测控制、LQR线性二次调节器、强化学习控制等），应对推挽、滑倒等外部扰动。
仿真与实机调试：在高性能物理仿真平台（如NVIDIA Isaac Sim, MuJoCo, RaiSim, Gazebo等）中构建仿真环境，进行算法验证、参数调优，并将算法高效部署到真实机器人硬件上进行测试迭代。
多模态运动控制：探索并实现机器人从站立、行走、上下楼梯到蹲下起立等复杂运动模式的平滑切换与控制。
协作与文档：与机械、电子、感知团队紧密协作，解决系统集成中的控制问题；撰写高质量的技术设计文档和专利。
任职要求（硬性标准）
教育背景：机器人学、控制理论与控制工程、自动化、计算机科学、应用数学或相关专业硕士及以上学历。
核心理论基础：
精通经典与现代控制理论（如PID, LQR, MPC, 非线性控制, 自适应控制等）。
精通机器人运动学、动力学（拉格朗日方程、牛顿-欧拉方程）及多体系统理论。
编程与工具：
扎实的C++编程能力，熟练掌握Python。
熟练掌握ROS/ROS2，熟悉Linux开发环境。
熟练使用至少一种物理仿真引擎（如NVIDIA PhysX, MuJoCo, Bullet, ODE等）。
熟练使用线性代数库（如Eigen）和数值优化库（如Ceres Solver, qpOASES, OSQP等）。
项目经验：
有实际的双足/人形/四足机器人控制项目经验，有实机调试经验者优先。
熟悉常用的机器人控制框架（如Pinocchio, Crocoddyl, RaiSim等）者优先。
个人素质： 具备极强的逻辑思维能力、分析和解决问题的能力、自我驱动力以及良好的团队沟通协作精神。
加分项（优先考虑）
有使用模型预测控制（MPC）进行实时全身动力学控制的成功经验。
有将深度强化学习（Deep Reinforcement Learning）应用于机器人运动控制并部署到实机的经验。
熟悉实时操作系统（RTOS）及嵌入式控制开发。
熟悉常用的传感器（IMU, 力/力矩传感器, 编码器）及其在控制回路中的应用。
在机器人领域顶级会议（ICRA, IROS, RSS, CoRL等）发表过相关论文。
有参与过大型机器人竞赛（如RoboCup, DARPA Robotics Challenge等）并取得优异成绩的经历。