岗位职责（满足部分即可）
1. 仿真环境搭建与训练：基于Isaac Gym/Lab、MuJoCo等平台，搭建灵巧手操作任务的仿真环境，完成物理参数标定与接触模型调优，支撑强化学习策略或端到端模型的训练与验证。
2. 强化学习策略开发：参与灵巧手操作策略（PPO/SAC/DRL）的设计与训练，包括奖励函数设计、训练管线搭建、策略调优，并在仿真环境中完成效果评估。
3. 端到端操作模型开发：参与基于Diffusion Policy、ACT、VLA等架构的端到端操作模型的训练与微调，基于开源预训练模型（如OpenVLA、Octo等）进行场景适配与效果验证。
4. 传统控制算法开发：参与灵巧手运动学建模、逆解求解、力位混合控制等基础控制算法的开发与调试，为强化学习策略或端到端模型提供基准对比或混合控制支持。
5. 触觉传感器数据处理：参与触觉传感器信号的采集、预处理与分析，探索触觉信息在操作策略中的应用。
6. 数据采集与管理：参与遥操作数据采集系统的搭建与维护，协助完成操作示范数据的采集、清洗与标注，支撑端到端模型的训练迭代。
7. 真机部署与调试：参与灵巧手+机械臂的真机联合调试，协助完成sim2real迁移、策略真机部署、效果验证与问题排查。
任职要求
1. 在读硕士或博士研究生，机器人、自动化、计算机、机械电子、人工智能等相关专业。
2. 了解强化学习基本概念（PPO、Q-learning、奖励函数设计等），有相关课程或项目经验。
3. 了解机器人运动学/动力学基本概念，有力位控制、阻抗控制等基础知识。
4. 了解至少一种仿真平台（Isaac Gym/Lab、MuJoCo、Gazebo等）。
5. 良好的沟通能力与团队协作意识，主动性强。
加分项
1. 了解Diffusion Policy、ACT、VLA等端到端操作模型的基本原理。
2. 有灵巧手或机械臂操作相关的项目/竞赛/论文经验。
3. 有触觉传感器使用经验。
4. 有ROS/ROS2使用经验。有C++开发经验。有真机调试经验。