端到端算法工程师（校招）

岗位职责

1. 研发面向机器人感知、决策与控制的多模态端到端算法，实现从传感器输入（图像、点云、力觉、关节状态）到底层动作输出的联合学习与实时推理。

2. 设计与实现基于Transformer、扩散模型或模仿学习的端到端运动生成与操作模型，支撑机器人在非结构化环境中的自主导航、抓取与全身协同等任务。

3. 构建大规模多模态数据采集与训练流水线，处理仿真与真实环境中的异构数据，解决数据对齐、增广与难例挖掘问题。

4. 负责端到端算法在仿真平台（Isaac Gym、MuJoCo、Gazebo）及真实机器人平台上的训练、迁移与部署，解决Sim2Real中的泛化性与鲁棒性问题。

5. 与感知、运控、强化学习及系统团队紧密协作，将端到端模型与现有控制框架、安全机制深度融合，保障产品级稳定交付。

6. 跟踪端到端自动驾驶、具身智能等前沿进展，探索可解释性、轻量化与实时优化的技术方案，持续提升模型性能与效率。

职位要求

1. 硕士及以上学历，计算机科学、人工智能、机器人学等相关专业。

2. 深入理解Transformer、扩散模型、VAE、GAN等生成模型或模仿学习算法，有实际端到端模型（如RT-1/2、OpenVLA、UniPi、Diffusion Policy）的开发与落地经验。

3. 熟练掌握Python及PyTorch/TensorFlow，具备分布式训练、模型轻量化与推理加速的工程能力。

4. 熟悉机器人学基础，对运动控制、规划或操作有基本理解，具备机器人仿真环境使用经验。

5. 具有较强的文献阅读与算法复现能力，能快速将前沿成果转化为可验证的原型。

6. 结果导向，善于跨团队协作，能在快节奏研发环境中推动技术落地。

加分项

1. 在CoRL、RSS、ICRA、IROS、NeurIPS、CVPR、ICCV等顶会发表过端到端机器人学习、具身智能或多模态决策相关论文。

2. 有机器人端到端算法的真机部署经验，深刻理解Sim2Real的关键挑战与解决方案。

3. 熟悉强化学习（PPO、SAC）或在线交互学习范式，有结合模仿学习与RL的混合方法经验。

4. 具备自监督学习、轨迹预测或任务与运动规划（TAMP）项目经验。

5. 有大规模多模态数据集构建或数据引擎开发经验。