职位描述 核心算法落地：参与机器人规划与控制软件的架构设计与代码实现，负责具体模块的开发，并将算法部署于实际机器人平台，解决从仿真到现实（Sim-to-Real）的工程问题。 系统建模与仿真验证：构建和调试机器人的运动学/动力学模型，在仿真环境（Mujoco、Isaac Sim）中进行算法验证，并配合硬件团队完成真机调试与性能标定。 复杂任务求解与优化：针对实际业务需求，设计鲁棒的规划控制策略，并在真实场景下迭代算法，提升机器人的任务成功率。 前沿技术探索：跟踪并参与研发行业前沿技术，包括但不限于全身规划、全身控制、柔顺力控等领域，探索机器人的性能边界，并尝试将学术成果转化为可运行的工程代码。 职位要求 学术背景：控制科学与工程、机器人、自动化、计算机等相关专业，本科及以上学历在读。 基本技能（满足至少一项）： 控制理论：掌握经典/现代控制理论，了解预测控制（MPC）、鲁棒控制、阻抗控制或智能控制算法，有实际调参或应用经验者优先。 规划算法：熟悉主流路径规划算法（如 A、RRT、DWA）及轨迹优化方法，了解其适用场景及局限性。 数值优化：了解最优化理论与数值优化方法，熟悉二次规划（QP）求解器（如 OSQP、qpOASES）的使用。 工程能力： 扎实的 C/C++ 编程基础，熟悉现代 C++（C++11/14/17）特性，具备良好的代码风格和文档习惯； 熟练使用 Python/Matlab 进行快速原型验证； 熟悉 Linux 开发环境，掌握 Git、CMake、GDB 等常用工具； 有实际机器人调试经验，能独立分析传感器数据、定位代码问题，并在真实硬件上迭代算法。 工具链： 了解机器人动力学库（如 Pinocchio、RBDL）的应用； 熟悉至少一种物理仿真环境（Mujoco、Bullet、PyBullet 或 Isaac Gym）； 熟悉 ROS/ROS2 者优先。 基础素质： 对机器人技术有热情，具备极强的自驱力和抗压能力，愿意深入钻研问题本质。 良好的团队沟通能力，能够高效协作，主动推进问题解决。 【加分项：让你脱颖而出的经历】 学术成果：在机器人或相关领域顶级会议/期刊（如 ICRA, IROS, CoRL, RSS）发表过论文。 项目经验：有仿人形机器人、四足机器人或协作机械臂的实际项目参与经验，熟悉完整的上机调试流程，能提供演示视频或代码仓库者优先。 AI融合：有将强化学习（RL）、模仿学习等人工智能算法应用于机器人控制的实际经验。 工程贡献：参与过开源机器人项目，或有自己的技术博客/笔记，能体现对工程问题的思考。 【实习待遇与吸引力】 硬核场景：直接参与头部具身智能机器人项目的研发，负责产品级代码的编写与优化，拒绝“打杂”，直面真实硬件挑战。 技术视野：与清华、北大等背景的业内大牛共事，快速提升工程落地与理论结合的能力。 资源支持：充足的GPU算力集群和先进的机器人实验平台，鼓励你大胆尝试、快速验证。 发展机会：表现优异者有转正机会，且可深度参与定义下一代机器人的形态与智能。