模块方向：具身大模型方向 课题方向：人形机器人交互式强化学习 方向内容：样本效率与真实物理的矛盾。通过人类反馈等高效监督，解决传统真机RL时间和经济成本太高的问题。 奖励函数的 "对齐难题"。开放式任务面临reward hacking问题、稀疏奖励问题。 安全探索的硬约束。探索过程中面临损坏等风险。 岗位职责 高效交互式 RL 算法研究。基于大模型先验的样本提效探索，离线 RL + 在线微调的混合范式，高效冷启动。 人类反馈对齐与交互式奖励建模。设计支持多模态人类反馈的奖励学习框架，研究大语言模型作为 "奖励评论家"（Reward Critic）的方案。 安全强化学习与约束探索。设计人形机器人安全探索框架，研究不确定性估计与风险敏感策略。 专业要求： 计算机、自动化、机器人、数学等相关专业硕士及以上学历 深入掌握强化学习理论，精通 PPO、SAC、离线 RL、偏好学习等核心算法 有 RL 算法从 0 到 1 的实现经验，不只是调库，而是能推导公式、改写底层 加分项： 有人形机器人 / 机械臂 RL 真实部署经验，踩过 sim-to-real 的坑 有人类反馈强化学习（RLHF）、偏好学习、逆强化学习相关研究 熟悉最优控制、轨迹优化、MPC 等经典机器人控制方法 有安全 RL、约束优化、鲁棒控制相关研究背景