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": "机器人强化学习算法工程师（技术预研方向）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 开发基于机器学习的机器人控制策略，并与传统控制方法互补； \n2. 负责算法策略的训练与移植部署，实现算法sim2real在机器人实机上落地应用； \n3. 持续跟踪国内外前沿研究成果，并进行相关算法复现。",
"requirements_text": "1. 硕士及以上学历，机器人、计算机、人工智能、机器学习、应用数学等专业，理论功底深厚，有相关足式机器人传统控制经验优先； \n2. 具有强化学习相关项目研究经验，熟悉Mujoco、Pybullet、Isaac Gym等机器人仿真平台，熟悉Linux、ROS等操作系统；\n3. 掌握主流强化学习算法如DQN、PPO、DDPG、SAC等主流算法，熟悉Pytorch、TensorFlow机器学习框架；\n4. 扎实的C++、python编程能力；\n5. 数学基础扎实，具有较强的学习与研究能力；\n6. 熟悉大模型理论者优先。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"TensorFlow",
"机器学习",
"强化学习",
"大语言模型"
],
"preferred_qualifications": "1. 硕士及以上学历，机器人、计算机、人工智能、机器学习、应用数学等专业，理论功底深厚，有相关足式机器人传统控制经验优先；6. 熟悉大模型理论者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7501980389705564269/detail"
}
]
},
"posting": {
"posting_id": "7501980389705564269",
"post_date": "2025-05-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7501980389705564269/detail"
},
"fulltext": "机器人强化学习算法工程师（技术预研方向）\n职位描述\n1. 开发基于机器学习的机器人控制策略，并与传统控制方法互补； \n2. 负责算法策略的训练与移植部署，实现算法sim2real在机器人实机上落地应用； \n3. 持续跟踪国内外前沿研究成果，并进行相关算法复现。\n\n职位要求\n1. 硕士及以上学历，机器人、计算机、人工智能、机器学习、应用数学等专业，理论功底深厚，有相关足式机器人传统控制经验优先； \n2. 具有强化学习相关项目研究经验，熟悉Mujoco、Pybullet、Isaac Gym等机器人仿真平台，熟悉Linux、ROS等操作系统；\n3. 掌握主流强化学习算法如DQN、PPO、DDPG、SAC等主流算法，熟悉Pytorch、TensorFlow机器学习框架；\n4. 扎实的C++、python编程能力；\n5. 数学基础扎实，具有较强的学习与研究能力；\n6. 熟悉大模型理论者优先。\n1. 开发基于机器学习的机器人控制策略，并与传统控制方法互补； \n2. 负责算法策略的训练与移植部署，实现算法sim2real在机器人实机上落地应用； \n3. 持续跟踪国内外前沿研究成果，并进行相关算法复现。\n1. 硕士及以上学历，机器人、计算机、人工智能、机器学习、应用数学等专业，理论功底深厚，有相关足式机器人传统控制经验优先； \n2. 具有强化学习相关项目研究经验，熟悉Mujoco、Pybullet、Isaac Gym等机器人仿真平台，熟悉Linux、ROS等操作系统；\n3. 掌握主流强化学习算法如DQN、PPO、DDPG、SAC等主流算法，熟悉Pytorch、TensorFlow机器学习框架；\n4. 扎实的C++、python编程能力；\n5. 数学基础扎实，具有较强的学习与研究能力；\n6. 熟悉大模型理论者优先。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}