真机强化学习工程师

关于我们： 我们正在研发面向真实工业场景的具身智能机器人系统，希望通过强化学习、模仿学习、在线微调等后训练方法，让机器人在真实环境中完成抓取、吸取、插入、放置、按压、对准、装配等操作任务。 机器人交付到客户现场后，任务环境、物体状态、光照条件、硬件误差和操作流程都会发生变化。因此，我们需要一位能够深入真实场景，完成任务搭建、数据采集、模型训练、策略部署、效果测试和问题闭环的真机强化学习工程师。

岗位定位： 1.本岗位面向真实机器人任务的算法交付与工程落地，核心目标是让机器人任务从“能跑通”走向“稳定可交付”。 2.你将基于 HiL-SERL、SAC、模仿学习、人工干预学习、Offline-to-Online RL 等方法，在真实机械臂和末端执行器上完成小模型训练、策略优化、现场适配和任务泛化，并将过程沉淀为可复用的训练流程与交付规范。 3.你需要深入实验现场和客户场景，面对数据不干净、任务复位不稳定、策略效果波动、硬件存在误差、环境经常变化、成功率难以稳定等真实问题，并通过算法、数据、工程调试和实验设计持续提升任务效果。

岗位职责：

1. 负责真实机器人操作任务的强化学习与模仿学习落地，包括任务定义、实验流程设计、数据采集、策略训练、模型部署、测试评估和现场问题闭环。
2. 基于 HiL-SERL、SAC、BC、DAgger、Residual RL、Offline-to-Online RL 等方法，完成小模型真机训练与策略优化，提升任务成功率和稳定性。
3. 参与机器人 RL 训练环境设计，包括观测空间、动作空间、奖励函数、成功条件、安全边界、人工干预机制和实验复位流程。
4. 负责真机 rollout 与数据闭环，包括示教数据采集、人工干预数据利用、失败样本收集、训练数据清洗、策略更新和多轮迭代实验。
5. 面向客户现场或真实实验环境，适配不同任务、不同物体、不同末端、不同位置和不同场景，提升策略的泛化能力和鲁棒性。
6. 分析真机训练和交付过程中的失败案例，定位感知误差、标定偏差、动作异常、奖励不稳定、接触不确定性、末端结构问题、通信延迟和硬件执行误差等问题。
7. 建立任务评估与复盘流程，记录成功率、失败类型、训练曲线、Q 值、loss、动作分布、测试视频、环境变量和硬件状态，形成可复现的实验结论。
8. 与硬件、控制、感知和软件团队协作，推动末端结构、传感器配置、控制接口、数据采集链路和训练流程的联合优化。
9. 沉淀可复用的训练代码、实验脚本、数据规范、测试报告、任务配置和问题排查文档，支撑后续项目交付。

任职要求

1. 熟悉强化学习、模仿学习或机器人学习中的至少一种方向，理解 SAC、PPO、TD3、BC、DAgger、Offline RL 等基础方法。
2. 具备较强 Python 编程能力，熟悉 PyTorch，能够独立完成训练代码修改、模型调试、数据处理、实验脚本开发和部署测试。
3. 有真实机器人实验经验，能够完成一个机器人任务从数据采集、模型训练、真机部署到效果评估的完整闭环。
4. 理解真实机器人任务中的工程约束，包括安全边界、动作延迟、传感器噪声、标定误差、接触不确定性、硬件磨损和现场环境变化。
5. 熟悉常见机器人数据形式，包括 RGB/RGBD 图像、深度图、机械臂状态、末端位姿、夹爪状态、力/触觉信号、轨迹数据和任务成功标签。
6. 具备较强实验意识，能够设计对照实验、控制实验变量、统计成功率、记录失败案例，并根据结果判断下一步优化方向。
7. 具备较强工程调试能力，能够在真实机器人系统中定位问题，而不是只停留在训练代码层面。
8. 能够适应真实机器人现场调试、客户场景交付、多轮实验迭代和阶段性出差支持。