学科要求：
计算机科学、人工智能、机器学习等专业。深入理解强化学习理论，在处理奖励稀疏问题上有创新性研究成果，熟悉多种深度强化学习算法架构。具备将仿真环境策略迁移至现实场景的实战经验，能够搭建高效训练框架，提升机器人训练效率与适应性。

岗位职责：
1、负责搭建机器人强化学习仿真训练平台，开发基于学习的双足人形机器人控制策略，并与传统控制方案互补，提升机器人整体控制效果；
2、负责算法策略的训练和移植部署，实现算法sim2real在机器人物理样机上的落地应用；
3、持续跟踪和实践相关领域的国内外前沿研究成果。

岗位要求：
1、拥有人工智能、机器学习、深度学习等相关领域的博士，有机器人深度强化学习研究的项目经历；
2、具有强化学习相关项目或研究经验，熟悉常用的机器人仿真平台，如： Mujoco, Pybullet, Gazebo等，了解常用的深度强化学习算法（PPO、SAC、DQN、DDPG、A3C）熟悉linux/ROS操作系统；
3、熟练使用TensorFlow、Pytorch等深度学习框架，熟悉各类强化学习算法和开源库；
4、 具备优秀的编程能力申请者优先，熟悉常见开发规范，熟悉git等开发工具；
5、富有创造力和探索精神，能够在快速变化的环境中主动学习和适应新技术；
6、具有良好的团队合作意识，具有较强的沟通表达能力, 工作积极进取主动、细致、责任心强，有钻研精神。