1. 博士学历，控制科学与控制工程等相关专业 2. 熟悉强化学习核心算法（PPO/SAC/AMP 等）； 3. 熟悉 Mujoco、Isaac Gym、Isaac Lab、MJLab等仿真平台； 4. 熟悉 PyTorch，具备较强深度学习工程能力； 5. 熟悉机器人运动学、动力学与控制理论； 6. 有人形机器人、机械臂控制经验者优先； 7. 具备高性能训练、并行仿真优化经验者优先。 1. 构建面向多种机器人形态的通用控制器； 2. 基于强化学习实现跨构型、跨自由度、跨任务的统一策略训练； 3. 搭建大规模并行训练环境与机器人仿真平台； 4. 研究 locomotion、manipulation、whole-body control 等控制问题； 5. 研究 morphology-aware policy、teacher-student、domain randomization 等技术； 6. 推动 sim-to-real 与真实机器人部署。