成都·武侯区
职位详情
职位描述
作为动作模型/机器人学习工程师，你将深度参与公司核心动作生成模型的技术攻关与实际应用。你的工作重心将放在模仿学习（IL）与强化学习（RL）领域的先进算法研发，特别是扩散策略（Diffusion Policy）等前沿方法，并推动其在真实机器人平台上的高效、稳定运行，成为实现复杂工业场景中机器人灵活作业与自主迭代的核心支撑。
核心职责：
算法研发与优化：
主导或参与主流动作生成模型（如扩散策略（Diffusion Policy）、ACT、Motus、DreamZero、pi0.5等）的算法研究、复现、训练流程构建及性能提升工作。
工程落地与真机部署：
将前沿学习算法转化为可在实际机器人设备（如远征A2-W、智元G2）上可靠执行的工程化系统。基于PyTorch搭建完整的训练流水线，并通过ROS2实现与机器人本体的通信集成、系统调试与现场部署。
仿真到现实（Sim2Real）迁移：
依托公司自研的安努虚拟仿真实验室（集成Isaac Sim），开展算法预训练和策略验证，解决从仿真环境向物理实体迁移过程中的域偏移、动力学匹配等关键技术挑战。
数据闭环构建：
参与或协助使用公司自主研发的低成本通用数据采集方案，完成高质量机器人操作数据的获取，助力形成“数据采集—模型训练—部署应用—反馈优化”的完整迭代链条。
跨团队协作：
与规划控制、仿真系统、硬件研发等团队密切配合，确保动作模型能与公司自研的具身智能通用调度系统（Matrix）实现高效协同，支持多模型联动与跨机型统一调度。
必备要求：
学历背景：
硕士或博士学历，专业方向为计算机科学、人工智能、机器人学、控制工程或相关领域。
核心经验：
具备扎实的模仿学习或强化学习算法研究基础，有在真实机器人平台或高保真仿真环境中完成算法部署与调优的实际经历。
技术栈：
熟练掌握 PyTorch 深度学习框架，具备独立完成模型设计、训练实施与效果调优的能力；
深入理解扩散策略（Diffusion Policy）或其他动作生成模型的核心机制与实现路径；
熟悉 ROS/ROS2 机器人中间件，可独立开发、集成和调试算法功能节点；
具备良好的 Python 编程能力，能够应对高实时性要求的机器人控制任务。
学术与工程结合能力：
能够持续跟踪 ICLR、CoRL、NeurIPS 等顶级会议的技术进展，并具备将其快速转化为可行工程方案的实践意愿与执行能力。
综合素质：
具备优秀的逻辑思维、问题解决能力、责任心以及团队合作意识，适应创业团队的高强度节奏，对项目成果交付具有高度责任感。
优先考虑：
了解并使用过 Motus、DreamZero、pi0.5、openVLA 等具体模型或框架，并拥有相关项目实践经验；
有 Isaac Sim、MuJoCo 等机器人仿真平台的应用经验，用于算法训练与验证；
具备在真实机器人上实施强化学习（RL）的经验，熟悉PPO、SAC等典型算法，了解sim2real迁移相关技术路线；
在机器人运动规划与控制理论方面有较深积累。
作为动作模型/机器人学习工程师，你将深度参与公司核心动作生成模型的技术攻关与实际应用。你的工作重心将放在模仿学习（IL）与强化学习（RL）领域的先进算法研发，特别是扩散策略（Diffusion Policy）等前沿方法，并推动其在真实机器人平台上的高效、稳定运行，成为实现复杂工业场景中机器人灵活作业与自主迭代的核心支撑。
核心职责：
算法研发与优化：
主导或参与主流动作生成模型（如扩散策略（Diffusion Policy）、ACT、Motus、DreamZero、pi0.5等）的算法研究、复现、训练流程构建及性能提升工作。
工程落地与真机部署：
将前沿学习算法转化为可在实际机器人设备（如远征A2-W、智元G2）上可靠执行的工程化系统。基于PyTorch搭建完整的训练流水线，并通过ROS2实现与机器人本体的通信集成、系统调试与现场部署。
仿真到现实（Sim2Real）迁移：
依托公司自研的安努虚拟仿真实验室（集成Isaac Sim），开展算法预训练和策略验证，解决从仿真环境向物理实体迁移过程中的域偏移、动力学匹配等关键技术挑战。
数据闭环构建：
参与或协助使用公司自主研发的低成本通用数据采集方案，完成高质量机器人操作数据的获取，助力形成“数据采集—模型训练—部署应用—反馈优化”的完整迭代链条。
跨团队协作：
与规划控制、仿真系统、硬件研发等团队密切配合，确保动作模型能与公司自研的具身智能通用调度系统（Matrix）实现高效协同，支持多模型联动与跨机型统一调度。
必备要求：
学历背景：
硕士或博士学历，专业方向为计算机科学、人工智能、机器人学、控制工程或相关领域。
核心经验：
具备扎实的模仿学习或强化学习算法研究基础，有在真实机器人平台或高保真仿真环境中完成算法部署与调优的实际经历。
技术栈：
熟练掌握 PyTorch 深度学习框架，具备独立完成模型设计、训练实施与效果调优的能力；
深入理解扩散策略（Diffusion Policy）或其他动作生成模型的核心机制与实现路径；
熟悉 ROS/ROS2 机器人中间件，可独立开发、集成和调试算法功能节点；
具备良好的 Python 编程能力，能够应对高实时性要求的机器人控制任务。
学术与工程结合能力：
能够持续跟踪 ICLR、CoRL、NeurIPS 等顶级会议的技术进展，并具备将其快速转化为可行工程方案的实践意愿与执行能力。
综合素质：
具备优秀的逻辑思维、问题解决能力、责任心以及团队合作意识，适应创业团队的高强度节奏，对项目成果交付具有高度责任感。
优先考虑：
了解并使用过 Motus、DreamZero、pi0.5、openVLA 等具体模型或框架，并拥有相关项目实践经验；
有 Isaac Sim、MuJoCo 等机器人仿真平台的应用经验，用于算法训练与验证；
具备在真实机器人上实施强化学习（RL）的经验，熟悉PPO、SAC等典型算法，了解sim2real迁移相关技术路线；
在机器人运动规划与控制理论方面有较深积累。
2026-06-16 14:50
IP属地：四川成都
职位福利
硕士经验不限运动控制算法机器人算法视觉图像算法PyTorch人形机器人运动规划动力控制Python
成都安努智能技术有限公司
工作地址
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
