1、负责人形机器人全身/单肢体运动控制算法研发，聚焦模仿学习核心技术，包括行为克隆、对抗模仿学习、逆强化学习、轨迹匹配与技能迁移等算法的设计、优化与落地； 2、结合人类运动演示数据、机器人运动轨迹数据，完成运动技能提取、姿态特征建模、动作策略学习，实现行走、攀爬、搬运、避障、姿态恢复等基础及复杂人形运动技能的模仿与泛化； 3、融合经典运动控制理论（MPC、LQR、全身动力学控制）与智能学习算法，搭建“传统控制+模仿学习”的混合运控框架，提升人形机器人运动稳定性、柔顺性和场景自适应能力； 4、负责运动数据集的采集、清洗、标注与扩增，优化模仿学习训练流程，解决模仿学习中的累积误差、动作漂移、泛化不足、仿真到真机迁移难等核心问题； 5、搭建机器人运动仿真训练平台（Gazebo、Isaac Sim等），完成算法仿真验证、真机调试与迭代优化，保障算法在实体人形机器人上的稳定落地运行； 6、跟进模仿学习、机器人学习、人形运控领域前沿技术，结合产品需求完成技术创新与算法迭代，沉淀可复用的人形运动技能学习模型与算法组件； 7、配合硬件、整机、测试团队，完成机器人运动性能调优、问题排查，支撑人形机器人整机功能迭代与产品化落地。

1、学历背景：硕士及以上学历，2026届应届毕业生，机器人、控制工程、人工智能、计算机科学、自动化等相关专业，扎实的数理基础； 2、专业基础：熟练掌握机器人运动学、动力学、刚体姿态控制、轨迹规划、状态估计等人形运控核心基础知识；精通深度学习、强化学习、模仿学习核心原理，熟悉行为克隆、GAIL、IRL等主流模仿学习算法； 3、技术能力：熟练使用Python、C++编程语言，熟悉PyTorch/TensorFlow深度学习框架；熟悉机器人常用开发工具（ROS/ROS2）、仿真平台（Isaac Sim、Gazebo）； 4、项目经验：有人形机器人、四足机器人运动控制、机器人模仿学习/强化学习相关科研项目、竞赛项目或实习经历优先，有完整算法训练、仿真、真机落地经验者优先； 5、能力素养：具备良好的算法建模、数据分析和问题拆解能力，能够独立完成算法设计、训练调试与迭代优化；逻辑清晰，善于团队协作，有较强的技术钻研能力和抗压能力； 6、加分项：在ICRA、IROS、CoRL、AAAI等顶会发表机器人学习、运动控制相关论文；熟悉机器人技能迁移、少样本学习、仿真真机域自适应技术；有实体人形机器人算法落地经验。