1. 负责基于强化学习的人形机器人全身运动控制算法研发，涵盖行走、跑跳、平衡控制、复杂地形适配、动态抗扰动、全身协同运动规划等核心场景的算法设计、迭代与优化； 2. 设计适配人形机器人高自由度特性的强化学习算法框架与深度网络架构，解决全身运动的稳定性、泛化性、实时性与安全性核心问题，持续提升机器人在复杂动态环境下的运动性能上限； 3. 负责算法的仿真验证、sim-to-real迁移优化与人形机器人真机部署调试，结合视觉、力觉、IMU等多模态传感器反馈完成闭环控制优化，完成算法性能指标的评估、迭代与落地； 4. 与感知、硬件、任务规划等跨团队紧密协作，推动算法与人形机器人本体、多模态感知系统���深度适配与集成，支撑整机运动能力的落地与产品化迭代； 5. 持续跟踪人形机器人全身运动控制、深度强化学习领域的国际前沿研究与技术动态，引入顶会顶刊的创新方法，推动核心技术的突破与技术壁垒构建；

1. 硕士及以上学历，计算机科学与技术、人工智能、自动化、控制工程、机器人工程等相关专业，具备扎实的自动控制理论、刚体动力学与机器学习理论基础； 2. 精通深度强化学习算法原理与工程落地，熟悉PPO、SAC、TD3、DQN等主流DRL算法，具备基于强化学习的机器人运动控制算法完整研发与落地经验； 3. 精通人形机器人正逆运动学、刚体动力学建模，熟悉高自由度机器人全身运动控制相关理论，具备人形机器人全身运动控制项目研发经验者优先； 4. 熟练使用PyTorch/TensorFlow等主流深度学习框架，精通Python/C++编程语言，熟悉ROS/ROS2等机器人软件框架，掌握Isaac Lab、Isaac Gym、MuJoCo、Gazebo等主流机器人仿真环境； 5. 熟悉模仿学习、逆强化学习、sim-to-real迁移、模型预测控制（MPC）、最优控制、数值优化等相关技术，具备多模态感知与运动控制融合开发经验者优先； 6. 具备良好的科研能力、工程落地能力与跨团队协作能力，在机器人、强化学习相关领域顶会顶刊（RSS、CoRL、ICRA、IROS、NeurIPS、ICML、ICLR等）发表过论文者优先。