基于模仿学习和强化学习的挖掘机自动装车策略模型研究

岗位职责
背景： 挖掘机自动装车是工程机械自动化的重要场景。现有模仿学习方法（如Diffusion Policy，Flow Matching）训练得到的端到端模型已经在该场景下得到验证，但是在泛化性方面仍有提升空间。本课题希望通过Diffusion Policy+RL微调的方式或者Human-in-loop的在线强化学习的方式帮助提升模型的泛化性，并持续提高模型在真实作业环境中的稳定性、可靠性、效率等指标。 研究内容: 1. 方向一：基于Diffusion Policy+RL微调的方式训练自动装车的策略模型，探索设计合理的奖励设置或者Reword Model，并设计合理的训练策略提升模型面对不同地形和不同机型的泛化能力。 2. 方向二：基于Lerobot项目中的HIL-SERL训练自动装车的强化学习策略模型，为挖机搭建完整的Human-in-loop的人为介入的Actor+Learner框架，实现在线真机强化学习，并探索设计合理的奖励函数，持续迭代模型效果。 3. 在多个不同地形场景及控制器异常的情景下验证模型的鲁邦性。

岗位要求
1、熟练掌握 Python 和主流深度学习框架（如 PyTorch）。
2、具备扎实的机器学习基础，对深度学习、强化学习等相关领域有浓厚兴趣。
3、具备良好的编码能力、解决问题能力和团队协作精神。
4、有模仿学习或强化学习（如 ACT、DP、PPO、model-base RL）在机器人上工程化应用经验者优先； 发表过机器人领域顶级会议和期刊者优先，如ICRA/IROS/RSS/TRO/IJRR；熟悉 Linux 开发环境，有 ROS 或机器人实机调试经验者优先。