强化学习算法专家

工作内容
1、负责公司强化学习整体技术路线规划、算法框架设计及持续迭代优化；
2、主导Online RL、Offline RL、Imitation Learning、Human-in-the-loop RL、Model-based RL研发；
3、负责奖励函数设计、课程学习、探索策略、策略优化；
4、建立大规模并行训练系统，优化Sim-to-Real Gap；
5、与VLA/世界模型团队共同设计RL融合方案等。

任职条件
1、硕士及以上学历（博士优先），RL/控制/机器人方向；
2、精通PPO/SAC/DDPG/TD3等连续控制算法；
3、熟练使用MuJoCo/Isaac Gym/Isaac Sim；
4、具备机器人真机部署经验（双足行走/灵巧操作/双臂协同）；
5、CoRL/RSS/ICRA/IROS论文优先等。