小米
具身智能算法实习生（运控仿真与系统设计方向）
官网发布时间：
职位描述
1. 机器人建模与仿真平台开发 - 负责人形机器人系统级建模与仿真，建立整机运动学、动力学、执行器及接触模型，支撑硬件架构设计、样机开发与运动能力评估。 - 基于 MuJoCo、Isaac Sim / Isaac Lab 等平台，开发机器人仿真环境、运动控制接口及自动化评测工具，提高方案评估与设计迭代效率。 - 建模并分析关节摩擦、传动柔性、执行器响应、控制延迟及接触特性等因素，根据硬件设计与能力验证需求持续优化模型。 2. 面向硬件架构设计的运动控制与仿真评估 - 在机器人概念设计与样机开发阶段，构建典型任务与运动控制策略，对自由度配置、关节布局、连杆尺寸、运动范围及质量分布等方案开展动态评估。 - 基于任务执行过程中的关节力矩、转速、功率、运动范围及接触载荷，提取硬件设计需求与典型载荷谱，支撑关节选型、传动设计及整机架构优化。 - 研究硬件参数与运动性能之间的关系，分析任务可达性、负载能力、运动稳定性及能耗等指标，识别架构瓶颈与关键设计取舍。 3. 基于强化学习的硬件能力探索 - 面向行走、蹲起、负载搬运、抗扰恢复及上下肢协调等任务，开发用于硬件评估的强化学习运动策略，探索不同构型
任职要求
1 . 研究生及以上学历，机器人工程、自动化、机械工程、计算机科学等相关领域专业或等同实践经验。 2. 扎实的机器人学基础，包括几何学、线性代数、多元微积分、运动学、动力学、概率论、统计学和控制理论等。 3. 具有机器人系统的实际工作经验，拥有高自由度（DOF）机器人系统、冗余自由度和多控制目标经验者优先。 4. 熟练使用 Python，具备 C++ 开发能力；熟悉 MuJoCo、Isaac Sim / Isaac Lab 等至少一种机器人仿真平台。 5. 具备机器人运动控制或强化学习项目经验，能够构建用于本体设计评估与运动能力验证的控制策略。 6. 熟悉 PyTorch 及 PPO 等常用强化学习算法，具备训练环境开发、奖励设计、训练调优及策略评估能力。 7. 理解机器人构型、质量分布、关节运动范围及执行器特性对整机性能的影响，能够将仿真与测试结果转化为硬件设计建议。 加分项 1. 具备人形或足式机器人前期架构评估、关节选型、本体与控制协同优化经验。 2. 具备动力学参数辨识、执行器建模、台架测试或仿真—实测一致性分析经验。 3, 具备强化学习策略实机部署、样机性能探索或复杂运动技能