岗位职责 1、负责面向具身智能的 Sim2Real/Real2Sim 技术研究与开发，构建仿真环境、真实机器人与学习算法之间的双向闭环，提升机器人策略从仿真迁移到真实环境的效率和可靠性。 2、研究 Real2Sim 场景重建与系统辨识，包括机器人本体、传感器、物体、材质、动力学参数及交互过程的建模，提升仿真环境与真实世界的一致性。 3、研究 Sim2Real 迁移方法，包括域随机化、域适配、动力学随机化、特权信息学习、残差学习及在线校准，降低视觉、物理和控制层面的仿真—现实差距。 4、建设仿真训练、策略评测和真机验证体系，推动模仿学习、强化学习及机器人策略在仿真和真实平台上的规模化训练与闭环迭代。 岗位要求 1、计算机、自动化、机器人工程、控制科学、电子信息、数学等相关专业硕士及以上学历，博士优先。 2、编程基础扎实，熟练掌握 Python、C++及Linux开发环境，熟悉 PyTorch，具备良好的算法实现、系统调试和工程化能力。 3、深入理解 Sim2Real、Real2Sim、系统辨识、域随机化及域适配等方法，具备机器人仿真环境构建、策略迁移或真实机器人实验经验。 4、熟悉 Isaac Sim、Isaac Lab、MuJoCo、Genesis、ManiSkill、Gazebo等一种或多种仿真平台，了解机器人运动学、动力学、传感器模型及控制系统。 5、具备扎实的实验方法论，能够系统分析视觉差异、动力学偏差、传感器噪声、控制延迟等迁移问题；学习能力和自驱力强，具备良好的团队协作与沟通能力。 6、在机器人领域会议（CoRL、RSS、ICRA、IROS）或机器学习领域会议（NeurIPS、ICML、ICLR）发表过一作论文，具备强化学习、模仿学习、机器人操作、灵巧操作或全身控制相关经验，具备三维重建、神经渲染、数字孪生、场景生成或可微分物理仿真相关经验，具备真实机器人控制、传感器标定、系统辨识、软硬件联调及大规模仿真训练经验，拥有具有影响力的开源项目、机器人竞赛成绩或工业级机器人系统落地经验加分。