{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "全身运控算法工程师",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "广州·黄埔区·大沙",
        "work_mode": "",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "先途起源",
        "company_industry": "人工智能",
        "company_size": "0-20人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 20000,
            "max": 40000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 1,
        "degree": "硕士",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "C/C++\n规控算法\n深度学习\n强化学习\nPython\n全身运控算法工程师（上肢操作与轮臂/人形全身协同⽅向）\n【岗位职责】\n1.负责⼈形机器⼈及轮式双臂机器人上肢操作系统的全身运动控制（WBC）算法研发，主导构建包含业务主控流程、路径/轨迹规划、避障优化及底层执⾏的全栈运控软件框架，实现末端跟踪、冗余构型优化及环境避障的统一控制。\n2.开发基于HQP/QP/CBF的层级式多任务全身控制算法，实现上肢操作、腰部多自由度与底盘/下肢的全身协同控制（Whole-Body Control / Loco-Manipulation），解决移动抓取、动态平衡及底盘与机械臂在复杂任务中的协同操作难题。\n3.构建基于关节力矩反馈或六维力传感器的力控体系，开发高性能干扰观测器（DOB），研发力位混合控制、阻抗控制及自适应力控算法，提升机器人在接触式作业中的稳定性和精度。\n4.负责双臂协作运动规划算法开发，结合机器人双臂与腰部等多自由度特性与协作任务特点，设计路径规划、轨迹优化与实时反应式控制等算法，支持双臂协同抓取、搬运、工具使用等复杂操作任务。\n5.基于强化学习（RL）与模仿学习（IL），在Isaac Sim/Gym、MuJoCo等高保真仿真平台中进行上肢操作策略训练、调优与性能评估，设计并实施域随机化与系统辨识方案，攻克Sim-to-Real Gap。\n6.负责机器人运动控制推理系统架构设计，开发状态估计模块与高可扩展状态机，对接伺服驱动与底层硬件，协同硬件、机械团队迭代整机操作性能。\n7.开发主从遥操作控制系统，利用Trajectory Filter等技术对低频具身指令进行轨迹插补与平滑处理，推动具身操作指令到真机执行链路的工程化落地。\n8.跟踪人形机器人上肢操作与全身控制领域前沿技术，复现最新成果，参与动作重定向、运动生成等方向的技术攻关。\n【任职要求】\n1.硕士及以上学历，自动化、机器人学、控制科学与工程、机电工程等相关专业，博士优先。\n2.扎实掌握机器人运动学、刚体动力学、坐标变换，精通空间变换、正逆运动学（特别是冗余解析逆解）、动力学及力控理论。\n3.熟练掌握MPC、LQR、阻抗/导纳控制、全身控制（WBC）、状态估计中至少两类算法，具备层级式多任务控制（HQP/QP/CBF）的开发经验。\n4.精通C/C++及Python开发，熟悉Linux开发环境及ROS/ROS2，了解OROCOS/RTT等实时控制框架，熟悉Eigen、Pinocchio等常用优化库和物理引擎。\n5.熟悉PPO、SAC等主流强化学习算法，具备深度强化学习运动控制算法的开发与调试经验。\n6.熟练使用Isaac Lab/Gym、MuJoCo、Pybullet等至少一种物理仿真器，具备仿真-真机迁移的实践经验。\n7.具有协作机器人、轮式双臂机器人、人形机器人上肢操作或移动操作平台的实战开发经验，有成功量产或高质量论文发表者优先。\n8.具备较强的工程问题定位能力，能区分模型误差、观测噪声、传感器、驱动、控制参数带来的故障现象，愿意深度参与仿真-真机联调。\n【加分项】\n有轮式双臂机器人或人形机器人上肢操作真机Sim2Real成功部署经验者优先。\n有协作机器人、并联力控机器人的实战开发经验，熟悉高精度力控技术体系者优先。\n有灵巧手操作、双臂协同装配、工具使用等复杂操作任务经验者优先。\n有RoboMaster/RoboCup等顶级机器人竞赛获奖经历者优先。\n在机器人领域顶会（CoRL/ICRA/IROS/RSS/Humanoids等）发表论文者优先。\n了解EtherCAT/CAN等伺服总线、实时操作系统，有机器人底层驱动对接经验者优先。",
        "skills": [AI生成
            "C/C++",
            "Python",
            "规控算法",
            "深度学习",
            "强化学习",
            "MPC",
            "LQR",
            "阻抗控制"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/bad3aba9b423a45a0nNz3t64FFBY.html"
            }
        ]
    },
    "posting": {
        "posting_id": "bad3aba9b423a45a0nNz3t64FFBY",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/bad3aba9b423a45a0nNz3t64FFBY.html"
    },
    "fulltext": "C/C++\n规控算法\n深度学习\n强化学习\nPython\n全身运控算法工程师（上肢操作与轮臂/人形全身协同⽅向）\n【岗位职责】\n1.负责⼈形机器⼈及轮式双臂机器人上肢操作系统的全身运动控制（WBC）算法研发，主导构建包含业务主控流程、路径/轨迹规划、避障优化及底层执⾏的全栈运控软件框架，实现末端跟踪、冗余构型优化及环境避障的统一控制。\n2.开发基于HQP/QP/CBF的层级式多任务全身控制算法，实现上肢操作、腰部多自由度与底盘/下肢的全身协同控制（Whole-Body Control / Loco-Manipulation），解决移动抓取、动态平衡及底盘与机械臂在复杂任务中的协同操作难题。\n3.构建基于关节力矩反馈或六维力传感器的力控体系，开发高性能干扰观测器（DOB），研发力位混合控制、阻抗控制及自适应力控算法，提升机器人在接触式作业中的稳定性和精度。\n4.负责双臂协作运动规划算法开发，结合机器人双臂与腰部等多自由度特性与协作任务特点，设计路径规划、轨迹优化与实时反应式控制等算法，支持双臂协同抓取、搬运、工具使用等复杂操作任务。\n5.基于强化学习（RL）与模仿学习（IL），在Isaac Sim/Gym、MuJoCo等高保真仿真平台中进行上肢操作策略训练、调优与性能评估，设计并实施域随机化与系统辨识方案，攻克Sim-to-Real Gap。\n6.负责机器人运动控制推理系统架构设计，开发状态估计模块与高可扩展状态机，对接伺服驱动与底层硬件，协同硬件、机械团队迭代整机操作性能。\n7.开发主从遥操作控制系统，利用Trajectory Filter等技术对低频具身指令进行轨迹插补与平滑处理，推动具身操作指令到真机执行链路的工程化落地。\n8.跟踪人形机器人上肢操作与全身控制领域前沿技术，复现最新成果，参与动作重定向、运动生成等方向的技术攻关。\n【任职要求】\n1.硕士及以上学历，自动化、机器人学、控制科学与工程、机电工程等相关专业，博士优先。\n2.扎实掌握机器人运动学、刚体动力学、坐标变换，精通空间变换、正逆运动学（特别是冗余解析逆解）、动力学及力控理论。\n3.熟练掌握MPC、LQR、阻抗/导纳控制、全身控制（WBC）、状态估计中至少两类算法，具备层级式多任务控制（HQP/QP/CBF）的开发经验。\n4.精通C/C++及Python开发，熟悉Linux开发环境及ROS/ROS2，了解OROCOS/RTT等实时控制框架，熟悉Eigen、Pinocchio等常用优化库和物理引擎。\n5.熟悉PPO、SAC等主流强化学习算法，具备深度强化学习运动控制算法的开发与调试经验。\n6.熟练使用Isaac Lab/Gym、MuJoCo、Pybullet等至少一种物理仿真器，具备仿真-真机迁移的实践经验。\n7.具有协作机器人、轮式双臂机器人、人形机器人上肢操作或移动操作平台的实战开发经验，有成功量产或高质量论文发表者优先。\n8.具备较强的工程问题定位能力，能区分模型误差、观测噪声、传感器、驱动、控制参数带来的故障现象，愿意深度参与仿真-真机联调。\n【加分项】\n有轮式双臂机器人或人形机器人上肢操作真机Sim2Real成功部署经验者优先。\n有协作机器人、并联力控机器人的实战开发经验，熟悉高精度力控技术体系者优先。\n有灵巧手操作、双臂协同装配、工具使用等复杂操作任务经验者优先。\n有RoboMaster/RoboCup等顶级机器人竞赛获奖经历者优先。\n在机器人领域顶会（CoRL/ICRA/IROS/RSS/Humanoids等）发表论文者优先。\n了解EtherCAT/CAN等伺服总线、实时操作系统，有机器人底层驱动对接经验者优先。"
}