【上海机器人强化学习算法工程师招聘】-猎头顾问上海招聘信息-猎聘

王先生 4小时前在线已认证

高级猎头顾问 · 北京圣凯程管理咨询有限公司

简历处理快回复速度快

聊一聊

职位介绍: 职位描述 1. 设计 real robot RL 训练框架，包括 residual RL、batch online RL、human-in-the-loop RL； 2. 设计 offline RL / reward model / critic，用成功、失败、接管轨迹学习更好的策略偏好； 3. 设计安全约束下的 RL 训练方式，包括 action bound、force / velocity / workspace constraint、early stop 和 safety shield 对接； 4. 设计 rollout buffer / replay buffer 数据结构，支持真机 rollout、失败轨迹、人工接管和安全事件回流； 5. 设计 reward、task progress 和 failure label，降低 reward hacking 风险； 6. 和机器人系统工程师合作，建立真机 rollout、自动 reset、灰度评测和回滚机制； 7. 和运控工程师合作，定义 action 边界、控制频率、接管接口和安全控制中间层； 8. 和评测工程师合作，定义 real RL 前后的成功率、稳定性、安全事件率和数据效率指标； 9. 和策略模型算法工程师合作，将 RL 作为 BC / post-train 后的收口模块，而不是从零探索。职位要求 1. 硕士及以上学历，计算机、人工智能、机器人、自动化、控制、电子工程、数学等相关专业；博士优先； 2. 熟悉强化学习基础方法，理解 policy gradient、actor-critic、offline RL、model-based RL、imitation learning 等方向； 3. 有真实机器人、机械臂、灵巧手、自动驾驶或其他真实系统 RL 经验优先； 4. 熟悉 residual RL、offline RL、reward model、DAgger、preference learning、safe RL 中至少一类方法； 5. 理解机器人控制和真机系统约束，包括控制频率、延迟、安全边界、reset、数据落盘； 6. 有 PyTorch / JAX 等深度学习框架经验，能独立完成训练、评测和实验分析。 7. 具备较强实验设计能力，能通过 ablation 判断 RL 是否真的提升了真实任务成功率。加分项 1. 做过 sim-to-real、real robot RL、contact-rich manipulation 或 dexterous manipulation； 2. 熟悉 MuJoCo、Isaac Sim、Genesis、SAPIEN、ManiSkill 等仿真平台； 3. 熟悉 VLA、diffusion policy、ACT、behavior cloning、offline RL 等机器人策略模型； 4. 有 reward model、preference learning、人类接管数据利用经验； 5. 有安全约束控制、MPC、轨迹优化或机器人系统部署经验。

其他信息: 语言要求：普通话; 行业要求：智能硬件/消费电子,人工智能

猎聘温馨提示：

1. 如您发现平台内招聘方存在以下违规行为的，请立即举报

· 扣押您的身份证件或者其他证件；
· 要求您提供担保人、担保金或者以其他名义向您收取财物（如培训费、体检费、资料费、置装费、押金等）；
· 强迫您入股或者向您集资；
· 以招聘名义牟取不正当利益；
· 发布虚假招聘广告信息；
· 工作时长违反劳动法规定；
· 存在其他损害您的合法权益的行为。

2. 如您应聘的岗位属于涉外劳务合作/海外岗位的，请务必核实招聘方对外劳务合作资质取得情况，同时注意自身资金安全，防范招聘欺诈。

了解更多安全防范知识>

3. 本平台招聘方不向求职者提供任何收费服务。

查看全部