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": "足式机器人运动控制算法工程师（强化学习）",
"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": "1. 硕士及以上学历，机器人、计算机、机械工程、人工智能、应用数学等专业，数学、英语能力扎实，具有较强的学习与研究能力",AI生成
"visa_support": "未披露",
"responsibilities": "1. 开发基于强化/模仿学习的机器人行走及全身控制策略； \n2. 开发复杂地形下基于视觉的强化学习行走策略；\n3. 负责算法策略的训练与移植部署，实现算法sim-to-real在机器人实机上落地应用； \n4. 持续跟踪国内外前沿研究成果，并进行相关算法复现；\n5. 编写相关技术文档，推动团队技术沉淀与知识共享。",
"requirements_text": "1. 硕士及以上学历，机器人、计算机、机械工程、人工智能、应用数学等专业，数学、英语能力扎实，具有较强的学习与研究能力；\n2. 掌握主流的强化学习算法，如：PPO、DQN、DDPG、SAC等；\n3. 掌握机器人学习中的广泛使用的训练方法和模型架构，如：教师学生模型（Teacher-Student Network），课程学习（Curriculum Learning），域随机化（Domain Randomization），混合专家模型（MoE）等； \n4. 熟悉Mujoco、IsaacGym、IsaacLab等机器人仿真平台；\n5. 具备足式机器人强化学习算法的实机调试和sim-to-real经验，有基于模型/优化等传统控制经验者优先； \n6. 扎实的C++、Python编程能力，熟悉Pytorch等机器学习框架，熟悉Linux，Git，ROS等开发环境和工具。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"机器学习",
"强化学习"
],
"preferred_qualifications": "5. 具备足式机器人强化学习算法的实机调试和sim-to-real经验，有基于模型/优化等传统控制经验者优先",
"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/7526893238712844397/detail"
}
]
},
"posting": {
"posting_id": "7526893238712844397",
"post_date": "2025-07-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7526893238712844397/detail"
},
"fulltext": "足式机器人运动控制算法工程师（强化学习）\n职位描述\n1. 开发基于强化/模仿学习的机器人行走及全身控制策略； \n2. 开发复杂地形下基于视觉的强化学习行走策略；\n3. 负责算法策略的训练与移植部署，实现算法sim-to-real在机器人实机上落地应用； \n4. 持续跟踪国内外前沿研究成果，并进行相关算法复现；\n5. 编写相关技术文档，推动团队技术沉淀与知识共享。\n\n职位要求\n1. 硕士及以上学历，机器人、计算机、机械工程、人工智能、应用数学等专业，数学、英语能力扎实，具有较强的学习与研究能力；\n2. 掌握主流的强化学习算法，如：PPO、DQN、DDPG、SAC等；\n3. 掌握机器人学习中的广泛使用的训练方法和模型架构，如：教师学生模型（Teacher-Student Network），课程学习（Curriculum Learning），域随机化（Domain Randomization），混合专家模型（MoE）等； \n4. 熟悉Mujoco、IsaacGym、IsaacLab等机器人仿真平台；\n5. 具备足式机器人强化学习算法的实机调试和sim-to-real经验，有基于模型/优化等传统控制经验者优先； \n6. 扎实的C++、Python编程能力，熟悉Pytorch等机器学习框架，熟悉Linux，Git，ROS等开发环境和工具。\n1. 开发基于强化/模仿学习的机器人行走及全身控制策略； \n2. 开发复杂地形下基于视觉的强化学习行走策略；\n3. 负责算法策略的训练与移植部署，实现算法sim-to-real在机器人实机上落地应用； \n4. 持续跟踪国内外前沿研究成果，并进行相关算法复现；\n5. 编写相关技术文档，推动团队技术沉淀与知识共享。\n1. 硕士及以上学历，机器人、计算机、机械工程、人工智能、应用数学等专业，数学、英语能力扎实，具有较强的学习与研究能力；\n2. 掌握主流的强化学习算法，如：PPO、DQN、DDPG、SAC等；\n3. 掌握机器人学习中的广泛使用的训练方法和模型架构，如：教师学生模型（Teacher-Student Network），课程学习（Curriculum Learning），域随机化（Domain Randomization），混合专家模型（MoE）等； \n4. 熟悉Mujoco、IsaacGym、IsaacLab等机器人仿真平台；\n5. 具备足式机器人强化学习算法的实机调试和sim-to-real经验，有基于模型/优化等传统控制经验者优先； \n6. 扎实的C++、Python编程能力，熟悉Pytorch等机器学习框架，熟悉Linux，Git，ROS等开发环境和工具。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}