主分类：机器人与自动驾驶算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "运动控制-算法",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "高德地图",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "高德",
"company_industry": "数字地图 / 导航服务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "高德提供电子地图和导航服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "● 计算机、控制理论、机器人学、机械电子等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "研发下一代机器人通用运动控制器的研发与落地：基于强化学习突破复杂地形自适应运动、多运动模态平滑切换、sim2real策略部署等关键技术，构建面向真实物理系统的运动策略训练框架，提升运动保真度与鲁棒性。",
"requirements_text": "● 计算机、控制理论、机器人学、机械电子等相关专业硕士及以上学历，有运动控制领域项目或研发经验最佳；\n● 了解Sim2Real技术栈：域随机化技术、Sim2Sim迁移技术、运动跟踪技术等；\n● 熟悉深度强化学习框架（PPO/SAC/DDPG/MAPPO），熟悉IsaacGym/IsaacSim大规模并行训练经验，熟悉策略蒸馏、课程学习等技术；\n● 了解任务解耦式奖励函数设计：融合运动学约束、动力学可行性、跟踪保真度等多目标奖励构建；\n● 有较强的动手能力，熟练掌握C++/Python编程语言，熟悉ROS/ROS2机器人操作系统，具有实体机器人控制经验；\n● 具备良好的逻辑分析能力、学习能力、沟通能力及团队协作精神；",
"skills": [AI生成
"Python",
"C++",
"强化学习",
"团队协作",
"沟通能力",
"学习能力",
"分析能力"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904280013?deptCodes="
}
]
},
"posting": {
"posting_id": "199904280013",
"post_date": "2026-04-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904280013?deptCodes="
},
"fulltext": "运动控制-算法\n运动控制-算法\n\n基础信息\n毕业起止时间要求：2027-05-31 - 2029-12-31\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：北京\n\n职位描述\n研发下一代机器人通用运动控制器的研发与落地：基于强化学习突破复杂地形自适应运动、多运动模态平滑切换、sim2real策略部署等关键技术，构建面向真实物理系统的运动策略训练框架，提升运动保真度与鲁棒性。\n\n职位要求\n● 计算机、控制理论、机器人学、机械电子等相关专业硕士及以上学历，有运动控制领域项目或研发经验最佳；\n● 了解Sim2Real技术栈：域随机化技术、Sim2Sim迁移技术、运动跟踪技术等；\n● 熟悉深度强化学习框架（PPO/SAC/DDPG/MAPPO），熟悉IsaacGym/IsaacSim大规模并行训练经验，熟悉策略蒸馏、课程学习等技术；\n● 了解任务解耦式奖励函数设计：融合运动学约束、动力学可行性、跟踪保真度等多目标奖励构建；\n● 有较强的动手能力，熟练掌握C++/Python编程语言，熟悉ROS/ROS2机器人操作系统，具有实体机器人控制经验；\n● 具备良好的逻辑分析能力、学习能力、沟通能力及团队协作精神；\n\n在招业务\n高德地图\n研发下一代机器人通用运动控制器的研发与落地：基于强化学习突破复杂地形自适应运动、多运动模态平滑切换、sim2real策略部署等关键技术，构建面向真实物理系统的运动策略训练框架，提升运动保真度与鲁棒性。\n● 计算机、控制理论、机器人学、机械电子等相关专业硕士及以上学历，有运动控制领域项目或研发经验最佳；\n● 了解Sim2Real技术栈：域随机化技术、Sim2Sim迁移技术、运动跟踪技术等；\n● 熟悉深度强化学习框架（PPO/SAC/DDPG/MAPPO），熟悉IsaacGym/IsaacSim大规模并行训练经验，熟悉策略蒸馏、课程学习等技术；\n● 了解任务解耦式奖励函数设计：融合运动学约束、动力学可行性、跟踪保真度等多目标奖励构建；\n● 有较强的动手能力，熟练掌握C++/Python编程语言，熟悉ROS/ROS2机器人操作系统，具有实体机器人控制经验；\n● 具备良好的逻辑分析能力、学习能力、沟通能力及团队协作精神；",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}